| 翻譯 |
Julia Taiwan社群成員 |
紀錄攝影 |
CAVEDU教育團隊、pixabay |
| 講師 | 訪問地點 | ||
| 授權 |
轉載自julia官方網站，由Julia Taiwan社群成員協助翻譯，特此致謝！ |
||
眾所期待的 Julia 語言 1.0 版是近十年的心血結晶。在 JuliaCon 2018年會上，Julia 社群歡慶並共同正式將該版本升級為 1.0.0。
Julia 語言第一次公開發佈，並有不少強烈的期待：
我們想要一個開源的語言，擁有自由的版權。我們想要 C 的速度及 Ruby 的動態。我們想要有一個語法與內在表示有一致性（homoiconic）的語言， 並且像 Lisp 一樣擁有真的macro，但是擁有像 Matlab 一樣熟悉好懂的數學符號。我們也想要像Python 一樣好用的泛用型程式語言， 處理統計要和 R 一樣，處理字串要和 Perl 一樣地自然，要有和 Matlab 一樣強大的線性代數功能，串接程式要如同 shell 一樣好用。要學習的東西極致簡單，同時能讓大多數嚴苛的黑客寫起來開心。我們希望它是互動式且也是可編譯的。
一個充滿活力和繁榮的社群圍繞著這樣的語言成長起來，來自世界各地的人們都在為這個目標而努力不懈改進並塑造 Julia。 超過 700 人對 Julia 做出貢獻，更多人創造了上千的開源的 Julia 套件。總而言之，我們創造了這樣一種語言：
-
快速：Julia 一開始就是為高效能設計的。Julia可藉由 LLVM 被編譯成不同平台的高效機器碼。
-
泛用：Julia使用多重分派（multiple dispatch）作為程式典範（paradigm），可以更容易表達物件導向和函數式的設計模式。標準函式庫提供了非同步I/O、行程控制、日誌記錄、效能分析、套件管理器⋯⋯等等。
-
動態：Julia是動態型別的，用起來像腳本語言，並且很好支援了互動式的操作方式。
-
技術：Julia擅長數值運算，有非常貼近數學的語法，支援多種數值型別，並且支援平行運算。Julia 的多重分派，結合數值和陣列相關的資料型別，可說是渾然天成。
-
選擇性的型別標註：Julia有豐富的資料型別描述，型別宣告可使得程式更加清楚且穩固。
-
組合性：Julia的套件可以很和諧地一起運作。矩陣的單位數量或是資料表中一行的貨幣和顏色可一起運作，並且擁有良好的效能。
現在可下載 Julia 1.0 版本來試試 Julia。若您現在從 Julia 0.6 或更早的版本開始升級程式碼，我們建議您先使用過渡的0.7版本， 其中包括了棄用警告（deprecation warning）來指導您升級的過程。一旦您的程式碼無警告通過， 那麼您可無痛將程式碼更改為1.0版本。 已註冊過的套件可利用這個作為墊腳石，並發佈與1.0相容的版本更新。
當然，在Julia 1.0版本中一個最重要的新特性，是對語言API穩定性的保證：您為 Julia 1.0撰寫的程式碼，將可繼續在Julia 1.1、1.2中執行。這種語言是足夠成熟的。基於這樣一個穩固的基礎，核心語言的開發者與社群，皆可集中於第三方套件、工具及新特性的開發上。
但是 Julia 1.0 並不只意味著穩定，它也引入一些新的、強大的及新穎的語言特性。其中一些新的特性是0.6版就有的：
-
一個全新的內建套件管理器。它比過去的套件管理器效能更好，在安裝套件上也比以往更加簡單。它也為每個專案支援虛擬環境，並記錄目前工作環境的狀態，然後將它分享給其它開發者或者是自己。最後重新設計的套件管理器，也帶來了私有套件和repository的無縫銜接。您同樣可使用開源套件的方式，管理並安裝自己的私有套件。這個JuliaCon 的演講展示了套件管理器的新設計。
-
Julia 具有新的遺失值（missing value）的正式表示法。能表示及處理遺失值是統計學及資料科學一項基本能力。在典型的 Julia 寫法（Julian fashion）內，新的解決方案是具有廣義性、組合性，也是高效能的。任何一般的集合型別（collection type）皆可以簡單地使用預先定義好的 missing 變數有效支援遺失值。而這種集合型別的效能在過去的 Julia 版本裡可能會很慢，但現在編譯器已可使得 Julia在遺失值的表示上，達到類似C或C++的速度，然而遠比C或C++更廣義且靈活。
-
內建的 String 型別可安全地使用並處理任意的資料。您的程式不會因一個無效 Unicode 字元而壞掉好幾個小時或好幾天。所有的字串資料會保留，同時指出哪些字元是有效的，哪些是無效的。這樣允許您的應用程式，安全且方便地執行在不可避免缺陷的真實世界的資料中。
-
Broadcasting已成為語言的核心特性，並且有著方便的語法支援。現在，它將比過去更加強大。在 Julia 1.0 裡，賦予自定義型別 broadcasting 特性，以及在 GPU 和向量化硬體上實作最佳的運算皆更加容易， 這是為未來更多的效能提升鋪路。
-
Named tuples是一個新的語言特性，它允許高效且方便地表示和存取資料的名字以獲取資料。例如，你可以這樣表示一列資料 row = (name=”Julia”, version=v”1.0.0″, releases=8) 並且透過 row.version 存取 version 資料，而這和 row[2] 有著同樣的效能，卻更加方便。
-
點運算子現在可被重載，並且允許型別使用 obj.property 的方式來存取物件資訊，而不是用額外撰寫欄位setting和getting function的方式。 這有助於將以類別為基礎的語言，例如Python或Java更加流暢地翻譯至Julia。屬性存取器的重載讓存取一行資料與named tuples的存取語法一致：您可以寫 table.version 來獲取表格中的 version 這一行，就如同 row.version 會取得 version 這一列的這個欄位一樣。
-
Julia 語言的最佳化器在多個方面皆更加聰明，我們無法全部羅列，但有值得列舉的一些重要的特點。最佳化器現在可在函式呼叫間傳遞常數，這將使得編譯器可有比過去更好執行死碼刪除（dead-code elimination）和靜態求值。編譯器現在也能避免對短期封裝（short-lived wrappers）的長期物件（long-lived objects）做記憶體配置，這讓程式設計師可用方便的高階抽象，而不會有效能損失。
-
參數化型別（Parametric type）的建構子（constructors），現在將使用和宣告同樣的語法進行呼叫，這將減少一些對語法的困惑。
-
迭代器協定被重新設計。新的迭代器協定更加簡單，不需要定義三個不同的函式：start、next、done。現在只需定義一個參數和兩個參數的 iterate 函式即可。這允許我們可簡單定義一個帶有預設值的函式給出一個初始值。更重要的是，這也實現了一個只有在嘗試回傳失敗後就結束的迭代器。這種迭代器可以非常普遍使用在I/O、網絡及生產者-消費者模型中；而Julia現在可更直接並正確地撰寫這樣的迭代器。
-
作用域的規則被簡化了。引入區域作用域的結構提高了一致性，而不需要管全域的命名綁定是否已經存在。 這將消除之前的「軟/硬作用域」的區別，也意味著現在 Julia可靜態地確定變數是區域的還是全域的。
-
Julia 語言本身變得更加輕量級，很多部分皆被從核心分離至標準函式庫中。這個標準函式庫將與Julia一起發佈，但是不會作為語言的基礎。 若您需要他們，只需引入這些函式庫即可（不需再安裝），但是不會強制使用。在未來，這些標準函式庫將會獨立被標記版本和更新，以達成更快的改進和升級。
我們仔細地審查了Julia的API，並且提高了它的一致性和可用性。許多費解的命名和低效的實作皆被重新命名和重構， 能夠更優雅地發揮Julia的能力。這樣的改變促使集合的使用方式更加一致和連貫，確保在整個語言中，遵循一致的參數的順序， 並且將關鍵字參數（現在更快了）整合至API中。
-
我們特地創建了一些新的外部套件相容於Julia 1.0的新特性，例如：
-
資料處理相關套件已經改版並支援新的遺失值
-
Cassette.jl 提供了Julia程式碼轉換至編譯器中的強大機制，允許post-hoc analysis和拓展既有程式碼。除了提供profiling和debugging這樣的工具之外， 甚至可用於實現機器學習任務的自動微分。
-
異質架構（Heterogeneous architecture）的支援被大大提高，並且從 Julia編譯器中解耦了出來。Intel KNL系列硬體上可直接使用 Julia。而Nvidia的GPU 也可透過CUDANative.jl直接編寫程式（不需撰寫 CUDA 程式碼）， 而支援 Google TPU的介面也正開發中。
-
還有無數個大大小小的改善。你可以查看0.7 NEWS 文件當中的完整的更新。在我們 2012 年的“為什麼我們創造 Julia” 文章內，我們寫到：
它還沒有完工，但是是時候發佈一個 1.0 版本了（其實歷時 6 年才發布）—— 我們創造了一個語言叫做 Julia。
雖然對1.0的發佈，我們放了大家好幾次鴿子，但這一次我們終於正式發佈了。 我們真心為上千位，以各種形式貢獻給這個真正的數值計算，和泛用程式設計的現代語言的人，感到自豪及無比欣喜。
