來源：數據實戰派

圖片來源：Unsplash

Julia 語言是近年來科學世界中出現的一匹黑馬。物理學家 Lee Phillips 發表了一篇科普文章，介紹了這種科學計算語言的真正魅力所在。

最近，我和許多科學家在網上視頻見面了很多次，他們對一個新工具感到興奮。它既不是最新的粒子加速器，也不是超級計算機，而是一種年輕的計算機語言 ——Julia。

不同的計算機語言擅長的工作也不一樣，有的運行速度很快，有的則更容易開發和部署，有的擁有龐大的生態系統和庫，有的則適用於解決特定問題。

對於需要模擬氣候變化或核聚變的科學家來說，目前的主流語言是 Fortran。它的編譯器可以充分利用大型超級計算機的強大性能。而對於數據科學家來說，Python 纔是最受青睞的語言，因爲它擁有豐富的生態系統，強大的交互性和快速的開發週期。

六年前，我撰文描寫了 Fortran 在科學計算領域的地位，並與其他幾種語言進行了比較。在文章結尾處我曾預測：十年後，一種名爲 Julia 的新語言很可能取而代之，成爲科學家在解決大規模數字計算問題時更願意使用的語言。

我的預言不是很準確，因爲 Julia 只用了大約一半的時間，就接近了這一目標。

通過近年與許多科學家的交流，我確信，Julia 在業界掀起了新的熱情。不過，當年分析它的潛力時，我還不明白爲什麼這種語言會如此受歡迎。

當時，我的評估是基於 Julia 獨特的便捷語法與出色性能。儘管 Julia 1.0 正式版尚未發佈，但整個社區已經非常興奮。

Julia 似乎已經解決了 “兩語言問題”（two-language problem），這是 Python 等解釋性語言用戶經常面臨的難題。用 Python 編寫一個程序，雖然可以享受它的便捷語法和交互性，但當計算規模擴大到一定程度，程序的運算速度就會放慢很多。這是 Python 語言本身的侷限性。

對於大型的仿真模擬運算來說，由於數據量過於龐大，程序的運行速度至關重要，因此研究人員不得不用 C 之類的語言再重寫一個一樣的程序，以提升實際應用時的運行速度。可是速度上來之後，他們在後續研究中又要同時維護和更新兩種語言的代碼。“兩語言問題” 由此而生。

Julia 自誕生起就以解決 “兩語言問題” 作爲使命，以此吸引科學家和其他人來學習該語言，不過這並不是它唯一令人興奮的地方。

以今年的 JuliaCon 大會爲例，普通的計算機會議大多圍繞編程、編譯器、算法和優化等計算機科學主題展開。雖然 JuliaCon 上也有這些，但更多的是圍繞科學研究課題，比如流體力學、語言處理、大腦成像等等。這些演講題目給人一種走進了科學研究大會的錯覺。

這種百花齊放的情況得益於 Julia 編程社區的開放態度，每個人的代碼都可以在 GitHub 上找到。如果有人希望使用現成的算法，從幫助文檔到代碼註釋，都可以拿到最新版本。

這與絕大多數年齡較大的科學家所熟悉的氛圍完全不同：在過去，科研代碼幾乎不會離開實驗室。

Julia 社區正是以大規模的協作和代碼共享爲基石。

解決 “表達問題”

“表達問題”（Expression Problem）是計算機語言設計研究中的常見概念。它是計算機科學的分支研究領域，人們對它的含義和解釋往往十分抽象，並且依賴於專業術語。

如果想要更好地理解這個概念，我們或許可以將其類比成烹飪。

首先我們要明確一些計算機科學術語，包括函數 / 程序、數據類型和庫 / 模塊 / 包。

簡單來說，函數 / 程序指的是 “獲取輸入值，對其進行處理，最後產生輸出值” 的過程。數據類型是數字、字符或其他信息的集合，這些信息有各式各樣的結構，可以由函數操控。庫 / 模塊 / 包則是函數的集合，還包括函數使用的數據類型的描述。

接下來我們開始類比。

如果你知道食譜和烹飪是什麼意思，這個類比就很好懂。我們可以將庫 / 模塊 / 包視爲市面上出售的 “食譜書”，函數 / 程序就是 “製作菜餚的完整過程或技術”，而數據類型就是需要用到的 “食材或配料”。

現在想象一下食譜的內容。一般來說，食譜都是以不同菜品爲分類，比如炒菜實際上細分爲如何炒洋蔥，如何炒蝦等等。每一道菜的步驟不同，因爲它們使用的食材或配料不同。這些食材和配料表也是食譜的一部分。

菜品烹飪需要特定食材和配料。（圖片來源：Lee Phillips）

如果我們要添加一道新菜，那隻需要囊括所有涉獵到的食材或配料就可以了，其他現有的菜品都不需要任何改動 —— 新菜不會讓舊菜失效。

添加新菜不會影響舊菜。（圖片來源：Lee Phillips）

但如果我們想加入新的配料或食材怎麼辦？比如現有菜品製作過程中沒有用到魚，那麼我們就需要修改現有的製作過程。

但要添加新的食材，就要改變現有菜譜。（圖片來源：Lee Phillips）

不過，組織食譜書的方法有很多，另一種方法是圍繞食材來組織書譜，而不是烹飪方法。每個食材，都會有配套的烹飪技術和方法。就像下圖所示：

以食材爲核心來組織菜譜。（圖片來源：Lee Phillips）

在這種情況下，烹飪技術就不再是獨立存在的，而是與所使用的食材相關聯。如果要新添加魚作爲新的食材，就可以編寫一個新的魚的製作方法，與現有的魚類烹飪方法整合在一起。

這樣一來，添加新食材就不用改變現有菜譜。（圖片來源：Lee Phillips）

但如果想添加一種新烹飪技術呢？比如如何使用攪拌機？

在不更改現有工作的情況下，我們沒有辦法實現。因爲現有技術已經綁定在食材上，新烹飪技術必然會改變食材的製作方法。

這兩種食譜的組織方式類似於兩種計算機語言類型。圍繞烹飪過程的食譜書是 “面向過程的語言”，而圍繞食材的食譜書則是 “面向對象的語言”。兩種語言各有千秋。

這其實就是 “表達問題”：無論哪種語言，都存在擴展軟件（食譜）的障礙。在重用和組合現有代碼時，能否不更改現有已存在的軟件包至關重要。

如果你覺得前面的類比還不夠清楚，接下來這一節還有另一種更直觀的解釋。

引入“多重調度”

顯而易見的是，若有一種無論什麼情況下都不用更改已有內容的方式來組織食譜，就可以獲得極大的擴展自由度，那將是一個很大的優勢。

與其嚴格遵照製作過程和食材來組織食譜，不如採用一種更通用且靈活的方法。如下圖所示：

看起來雜亂的新菜譜組合方式，允許更大的自由度。（圖片來源：Lee Phillips）

這張圖片顯示了方法與食材的自由關聯，誰都不是另外一個的附屬品。但這不代表能隨機組合無關的方法，而是要基於現有方法創建變種，並與不同的食材配套。

舉個例子，我們現有的食譜書包含了炸雞的烹飪過程。如果想添加煎魚的過程，也不需要重新編寫，只需要指導讀者用炸雞的方式煎魚，但要使用更高的溫度，並且將配料更早的剔除。

另一種審視三種思維模式的方法是想一想 “食譜的目錄”。

在 “面向功能” 的版本中，目錄可能是這樣的：

- 第一章：煎炸

雞

魚

- 第二章：水煮

雞

魚

在這種情況下，添加新功能只需要新開一章，但添加新的食材（比如雞蛋）需要修改現有章節：在第一章添加煎蛋，第二章添加水煮蛋等等。

在 “面向對象” 的版本中，目錄可能是這樣的：

- 第一章：雞

煎炸

水煮

- 第二章：魚

煎炸

水煮

在這種情況下，添加新食材只需要新開一章，但添加新的烹飪方法（比如烤）需要修改現有章節：在第一章添加烤雞，第二章添加烤魚等等。

至於第三種方法，秉承可最大程度擴展食譜的思想，目錄可能是這樣的：

- 第一章：炸雞

- 第二章：水煮雞

- 第三章：炸魚

- 第四章：水煮魚

很顯然，無論是食材還是烹飪技術，都能作爲新章節自由添加到書中，無需修改任何現有章節：第五章烤雞，第六章烤魚等等。

與前兩個版本相比，第三種模式似乎沒有組織性。

但在實際操作中，烹飪方法和食材之間的關係可以成爲庫結構的一部分。在食譜類比的語境中，我們可以想象雞和魚是肉的子集，草莓和櫻桃是紅色水果的子集，而煎炒和水煮則是更大的通用烹飪方法的變體，以此類推。

這種思維模式是解決 “表達問題” 的一種嘗試。這在語言設計中也被稱爲 “多重調度”，指的是基於要應用的所有數據類型的類型自動選擇方法。

“多重調度” 是 Julia 解決 “表達問題” 的方法，也是其核心組織原則，因此 Julia 既不是面向對象的，也不是面向功能的。它採用的解決方法比兩者更強大，更通用。這意味着 Julia 在混合和使用庫方面更加自由。

工具的重要性

Julia 不是第一個嘗試解決 “表達問題” 的語言，也不是第一個用到 “多重調度” 的語言。擁有該功能的 Common Lisp 語言已經誕生 40 年，Perl 等語言的最新版本也擁有該功能。用戶已經肯定了 “多重調度” 在編寫和擴展庫方面的便利性。

但 Julia 與它們的區別在於，Julia 是圍繞 “多重調度” 設計的，而其他語言只是將其作爲可選項，並且會帶來性能損失。比如 Julia 的 “多重調度” 允許其更靈活和自然地表達數學思維，其社區代碼重用量讓語言設計者都感到驚訝。

不過想在科學界立足，有了上述優勢還不夠。Julia 之所以受到了大量關注，還在於它將 “多重調度” 和其他特性相結合，比如快速上手的免費高質量代碼和非常快的運算速度，對需要大量數字運算的科學家非常有吸引力。

斯坦福大學教授 Mykel Kochenderfer 使用 Julia 設計了避免飛機碰撞的系統，該系統已成爲國際標準。他表示，Julia 不僅 “是高級的，可被解釋的語言，而且它的運行速度也與高度優化的 C ++ 代碼一樣快。”

Julia 還具有表達力強，易於閱讀的語法，尤其是在處理數組時。它爲數字算法的並行處理提供了一條快速通道。它具有 Unicode 時代的設計優點，使其在表述數學公式時更像真正的數學。

下面這幅圖片是 Julia 程序中的實際代碼，使用了專門爲 Julia 語言設計的字體。

Julia 語言的數學公式表達。（圖片來源：Lee Phillips）

Julia 的這些特性在早期就吸引了許多科學家，甚至在 “多重調度” 的特殊優勢引發關注之前，就已經吸引了大量用戶。

而我從中所學到的核心思想是：工具很重要。這就好比，畫家作畫時要選好符合作品風格的畫筆和顏料，而作曲家腦海中的音律必須與樂器和表演者的技巧相吻合。

作爲一個編程工具，Julia 之於科學家也是一樣。它能擴展科學家在有限時間內能夠完成的任務，幫助其實現未曾想象過的想法。