Julia

两语言问题与Julia的答案

科学计算领域长期存在「两语言问题」：研究人员用Python/MATLAB快速原型，发现性能不够时再用C/Fortran重写热点代码，两套代码库维护成本极高。Julia的设计者Jeff Bezanson等人2012年在博客里直接点名：他们想要一门贪心的语言——像C一样快、像Python一样通用、像R一样适合统计、像MATLAB一样适合矩阵运算。

Julia的JIT编译基于LLVM，关键技术是多重分派（multiple dispatch）：函数根据所有参数的类型选择最具体的方法实现，让编译器能针对具体类型生成特化代码。第一次调用某个函数组合时有编译延迟，之后就是原生速度。[1]

科学计算生态与实际应用

Julia的包生态在数值计算领域相当完整：DifferentialEquations.jl被认为是所有语言里最完善的常微分方程求解库；Flux.jl提供深度学习框架；Turing.jl做概率编程；Makie.jl负责可视化。天体物理、气候模拟、药物研发都有团队在生产环境用Julia。

2018年Julia加入了美国国家气候模拟项目（CliMA），用Julia重写整个大气环流模型。Julia 1.0于2018年发布，此前版本的API不稳定是阻碍采用的一大因素，1.0之后生态逐渐稳固。