为什么Julia比Python快？因为天生理念就更先进啊

当我们没有类型稳定性时会发生什么呢?我们来看看这段代码：

@code_native ^(2,5) 
 
    .text 
; Function ^ { 
; Location: intfuncs.jl:220 
    pushq   %rax 
    movabsq $power_by_squaring, %rax 
    callq   *%rax 
    popq    %rcx 
    retq 
    nop 
;} 

现在让我们定义对整数的取幂，让它像其他脚本语言中看到的那样「安全」：

function expo(x,y) 
    if y>0 
        return x^y 
    else 
        x = convert(Float64,x) 
        return x^y 
    end 
end 

output: expo (generic function with 1 method)

确保它有效：

println(expo(2,5)) 
expo(2,-5) 

output: 32

0.03125

当我们检查这段代码时会发生什么?

@code_native expo(2,5) 
 
 
 
.text 
; Function expo { 
; Location: In[8]:2 
    pushq   %rbx 
    movq    %rdi, %rbx 
; Function >; { 
; Location: operators.jl:286 
; Function <; { 
; Location: int.jl:49 
    testq   %rdx, %rdx 
;}} 
    jle L36 
; Location: In[8]:3 
; Function ^; { 
; Location: intfuncs.jl:220 
    movabsq $power_by_squaring, %rax 
    movq    %rsi, %rdi 
    movq    %rdx, %rsi 
    callq   *%rax 
;} 
    movq    %rax, (%rbx) 
    movb    $2, %dl 
    xorl    %eax, %eax 
    popq    %rbx 
    retq 
; Location: In[8]:5 
; Function convert; { 
; Location: number.jl:7 
; Function Type; { 
; Location: float.jl:60 
L36: 
    vcvtsi2sdq  %rsi, %xmm0, %xmm0 
;}} 
; Location: In[8]:6 
; Function ^; { 
; Location: math.jl:780 
; Function Type; { 
; Location: float.jl:60 
    vcvtsi2sdq  %rdx, %xmm1, %xmm1 
    movabsq $__pow, %rax 
;} 
    callq   *%rax 
;} 
    vmovsd  %xmm0, (%rbx) 
    movb    $1, %dl 
    xorl    %eax, %eax 
; Location: In[8]:3 
    popq    %rbx 
    retq 
    nopw    %cs:(%rax,%rax) 
;} 

这个演示非常直观地说明了为什么 Julia 使用类型推断来实现能够比其他脚本语言有更高的性能。

核心观念：多重分派+类型稳定性 => 速度+可读性

类型稳定性(Type stability)是将 Julia 语言与其他脚本语言区分开的一个重要特征。实际上，Julia 的核心观念如下所示：

(引用)多重分派(Multiple dispatch)允许语言将函数调用分派到类型稳定的函数。

（编辑：济南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!