Julia 学习笔记——性能优化与并行计算
Some content in this article was created with AI assistance. Please verify as needed.Julia 最大的吸引力之一，就是“高层写法”和“高性能”之间的距离没有传统动态语言那么远。 但这并不意味着随便写都能快。Julia 的性能优化有一套非常典型的思路，而并行计算又是另一个常被误解的话题，所以这里把它们放到一篇里做一个够用版整理。 概述先记下面几点： Julia 可以快，但前提是写法利于类型推断和特化编译； 第一次运行慢，往往是编译开销，不一定是算法本身慢； 真正的性能问题，很多时候不是“语法不够底层”，而是分配太多、类型不稳定、全局变量太多； 并行计算不是给代码加个宏就自动变快，任务划分、内存分配和数据传递同样重要。 性能分析基础@time最基本的计时方式： 1@time sum(rand(10^6)) 它一般会显示： 执行时间； 内存分配次数与大小； GC 时间比例等。 但是要特别注意：第一次运行时通常包含编译成本，所以参考意义有限。 更稳妥的做法是至少跑两次： 12@time f(x...
Julia 学习笔记——线性代数
Some content in this article was created with AI assistance. Please verify as needed.数组是 Julia 的核心内容之一，而线性代数则是它真正发力的主场。虽然前面的数组笔记已经涉及了一些矩阵和广播，但如果不单独整理一篇，很多线性代数语义还是容易和“普通数组运算”混在一起。 概述Julia 的线性代数体验和 Python/Numpy、MATLAB 既相似又不同： 和 MATLAB 一样，矩阵乘法直接使用 *； 和 Python/Numpy 一样，元素访问写成 A[i, j]； 但 Julia 的标准库 LinearAlgebra 还引入了很多特殊矩阵类型和分解对象，它们不是简单的“二维数组”。 因此看 Julia 里的线性代数代码时，需要同时区分： 这是普通数组操作； 还是线性代数意义上的操作； 结果是立即物化的数组，还是带语义的特殊对象。 LinearAlgebra 标准库线性代数相关功能主要来自标准库： 1using LinearAlgebra 它不是默认自动导入的...
Julia 学习笔记——补充. 与 Python 和 MATLAB 的差异整理
Some content in this article was created with AI assistance. Please verify as needed.这一篇把 Julia 与 Python、MATLAB 的主要差异集中整理一下，方便在系统看各个专题之前先有个整体印象。 先说明几点： 下文默认读者已经熟悉 Python 和 MATLAB； 默认以 Julia 1.12 系列为准； 这里只做迁移视角下的差异整理，不追求把所有细节一次性讲完； 真正的语法和行为细节，仍然以后面各专题笔记为主。 概述如果只用一句话概括，Julia 大致可以理解为： 语法观感上吸收了 Python、MATLAB、Fortran 等科学计算语言的很多习惯； 执行模型上又明显更接近带 JIT 的编译型语言； 语言设计中心不是 class，而是数组、数值计算、泛型函数和多重分派。 因此，从 Python 或 MATLAB 迁移到 Julia 时，真正需要适应的往往不是“语法会不会写”，而是下面这些更底层的习惯： 语言默认鼓励什么样的代码组织方式； 哪些直觉来自 Python，哪些来自...
Julia 学习笔记——10. 输入输出与文件交互
Some content in this article was created with AI assistance. Please verify as needed.前面的基础笔记里已经零散提到过 print、println、readline 这些最简单的输入输出操作，但如果要真正写脚本或小工具，还需要文件读写和路径处理。 概述Julia 中与 IO 相关的几类操作包括： 控制台输入输出； 文本文件和二进制文件； open do 风格的资源管理； 常见的路径、目录和文件系统操作。 整体上，Julia 的 IO 风格更接近“显式流对象 + open do 管理资源”，而不是 MATLAB 那种偏工作区工具式接口。 控制台输入输出print 和 println最常用的输出函数仍然是： 12print("hello")println("world") 区别很简单： print 不自动换行； println 自动在末尾补一个换行。 也可以连续输出多个对象： 1println("x = ", 1, ", y...
Julia 学习笔记——9. 宏与元编程
Some content in this article was created with AI assistance. Please verify as needed.宏和元编程是 Julia 里非常有代表性的部分。它们既是语言能力的一部分，也是很多 Julia 代码看起来“很不一样”的原因。 不过宏虽然重要，但绝对不是日常写 Julia 代码的起点。大多数普通逻辑都应该优先写成函数，只有当函数做不到，或者语法层面介入明显更自然时，才值得考虑宏。 概述Julia 的宏并不是 C 语言那种简单文本替换，而是基于语法树（AST）的代码变换工具。 可以先这样理解： 函数操作的是“值”； 宏操作的是“代码表达式”； 宏在代码真正运行前先展开； 展开结果再交给 Julia 去编译和执行。 因此，宏更像是“改写代码的工具”，而不是普通的可调用逻辑。 宏的基本形式最简单的宏定义如下： 123macro sayhello() return :(println("Hello, World!"))end 调用时使用 @： 1@sayhello 输出： 1Hello...
Julia 学习笔记——8. 模块与包
Some content in this article was created with AI assistance. Please verify as needed.前面的几篇基本还是语言语法层面的内容，这一篇开始看 Julia 代码组织和包管理。 需要先说明一下：Julia 的模块系统、项目环境、包管理其实是三个相关但不完全相同的话题： 模块（module）：解决名字空间和代码组织问题； 项目环境（environment）：解决当前项目依赖哪些包的问题； 包（package）：解决代码如何发布、复用、安装的问题。 这几部分在 Julia 里结合得比较紧，但概念上最好还是分开理解。 概述默认读者已经熟悉 Python 和 MATLAB，这里就不再从“什么是模块”这种层面展开，直接讨论 Julia 的实际组织方式。 如果只写单文件脚本，那么模块和包的存在感不会太强；但只要代码规模稍微大一点，就必须开始区分： 哪些东西属于当前模块自己的名字空间； 哪些代码只是拆文件，应该用 include； 哪些依赖来自外部包，应该交给项目环境和 Pkg 管理。 模块基础为什么需要模块如...
Julia 学习笔记——7. 多维数组
Some content in this article was created with AI assistance. Please verify as needed.数组是 Julia 最核心的主题之一。前面几篇虽然已经零散提过一些数组相关语法，但如果不专门单独整理一篇，很多地方还是会比较乱。 这一篇主要记录： Julia 的数组字面量和创建方式； 索引、切片、视图、形状变换； 常见的数组运算、拼接、遍历和广播； Julia 数组系统里最值得重点记住的设计点。 概述Julia 的 Array 是按列优先（column-major）存储的，这一点和 MATLAB、Fortran 一致，和 Numpy 默认的行优先风格不同。 默认读者已经熟悉 Python/Numpy 或 MATLAB，因此这里不再解释数组的基础概念，直接看 Julia 数组系统里最容易影响实际写法的部分：一维向量和二维矩阵的区分、闭区间切片、默认拷贝而不是默认视图、广播和点语法。 此外 Julia 的数组有几个很鲜明的特点： 真正区分一维向量 Vector 和二维矩阵 Matrix； 索引从 1...
Julia 学习笔记——6. 函数进阶
Some content in this article was created with AI assistance. Please verify as needed.前面的函数笔记主要记录函数的基本语法，这一篇继续看 Julia 函数体系里更核心的部分：方法、多重分派、参数化方法、构造函数，以及一些常用的函数式写法。 概述如果说前一篇还只是“怎么把函数写出来”，那么这一篇才真正开始接触 Julia 函数系统最有代表性的部分。 在 Python 中，函数更多只是可调用对象；而在 Julia 中，函数名背后通常对应的是一整组方法实现，调用时再根据参数类型决定走哪一个。 默认读者已经熟悉 Python / MATLAB，因此这里也不再解释高阶函数、匿名函数这些概念本身，直接看 Julia 的实现方式。 函数的参数类型Julia 允许给函数的（一部分或全部）参数加上类型约束，例如 123function add2(x::Int64, y::Int64) return x + yend 正常使用例如 12add2(1, 3) # 4add2(Int64(1), Int...
Julia 学习笔记——5. 变量作用域与类型系统
Some content in this article was created with AI assistance. Please verify as needed.Julia 的作用域和类型系统的设计非常规范化。相对于 Python 或 MATLAB，Julia 在这两部分会明显显得更“讲规矩”。 这一篇主要关注两个问题： 变量名在什么地方可见，什么时候会新建局部变量； Julia 的类型系统到底是怎样组织的，平时写代码应该关注到什么程度。 如果只从“写脚本”的角度看，Julia 和 Python 确实有很多相似之处；但一旦开始关心性能、分派和泛型代码，Julia 的作用域和类型系统就会立刻变成核心内容。 变量作用域基本概念Julia 使用词法作用域（lexical scope），也就是一个变量在函数内部能否被访问，取决于函数定义的位置，而不是调用的位置。 例如 1234567x = 10function f() return xendf() # 10 这里 f() 可以访问到外部定义的 x，是因为 x 在 f 定义处可见。 需要注意，Julia 中并不是所有语...
Julia 学习笔记——4. 函数基础
Some content in this article was created with AI assistance. Please verify as needed.Julia 中的函数在表面上和 Python 比较接近，都是语言的一等公民：可以赋值给变量、作为参数传递，也可以作为返回值返回。 不过 Julia 的函数体系又远不只是把 def 换成 function 这么简单，语法会比 Python 严格得多。函数返回值、默认参数、关键字参数、元组参数，以及后面会单独展开的多重分派，都是这个语言里非常核心的内容。 函数格式Julia 中最普通的函数定义格式如下： 1234function function_name(parameter_list) function_body return resultend 其中： function 和 end 用来包裹函数定义； 参数列表写在小括号中； 返回值可以显式使用 return，也可以依赖最后一个表达式自动返回。 对于非常简单的函数，也可以使用单行赋值形式，后面会单独讨论。 简单示例简单例子最基本的例子如下 123...