《程序员》：用Julia写的项目中，哪一个让你们觉得印象最深刻？ Jeff：绘图包Gadfly让人感觉很棒。还有JuMP，把描述优化问题的语言嵌入一种通用的语言中，这是最好的例子之一。它可以匹敌专用语言的性能。 IJulia也是精华。它提供了一个基于IPython Notebook的Web浏览器前端，是通过终端与机算机交互的最佳方式。 我特别喜欢的还有Quake 2渲染引擎（https://github.com/jayschwa/Quake2.jl）。 Viral：Julia的统计计算能力最棒，此类程序几乎完全用Julia写成，并将Julia引到一个出乎原有规划的方向上。当我们看到来自R社区的人们能将他们想要的功能开发成一个纯粹的包，而不需要任何语言上的修改，我们就知道语言的设计是正确的。 《程序员》：Julia足够稳定能用于生产环境了吗？ Alan：是的——我每天早饭前都运行蒙特卡洛模拟，通常是在60个核上。 Jeff： 尽管我们未能提供想要的所有特性，人们有时还会惊诧于一切在整体上竟运行得如此平稳。 Viral： 这取决于“生产”的含义。Julia是极好的教学工具，MIT及其他大学的许多课程已经在用它了。研究者也在工作中每天使用。如果“生产”指的是有企业支持的大型服务器上长期运行的任务，那么答案是否定的。 《程序员》：在整个开发和设计过程中，有没有想和其他开发者分享的体会？ Jeff：最初人们对新的编程语言往往持怀疑态度，这很正常。但事实证明，只要做出让几个早期的采用者觉得足够有趣的东西，你便能获得助力。 Viral：起初我也怀疑是否真正需要一种新的编程语言，是否所有的东西都不需要。但我已经学会拥抱新的语言（更多地来自科学计算背景的），这种多样性和试验过程都是好事。世界就是这样进步的，让旧思想的精华融入新思想。 《程序员》：有没有来自用户的意外收获或反馈？ Alan： 我每天清晨起来看到Julia中新加的东西都要吃上一惊。 Jeff：听说Julia被用于前沿的研究项目时我着实高兴了一把。少数研究团体让他们的实验室转变为使用Julia为主。哪怕有人只是尝试用Julia做一个真正有趣的应用，也让人兴奋。 《程序员》：对于初学者来说，学习Julia最困难的部分是什么？Julia中有哪些常见的陷阱？ Jeff：我们努力避免陷阱。我想可能出现的一个陷阱是全局和局部变量非常不同。全局变量更像字典，可以通过名字查询，也可以四处修改它。局部变量则完全不同，因为在很多情形中它们会被编译器完全优化掉。 Viral：最常见的陷阱在于有时人们期望Julia是MATLAB的零成本替代品。实际上它们有很多语法差异，有时它会绊倒一个有着多年MATLAB背景的用户。当然，一些旧的习惯并不容易忘掉。 《程序员》：与其他科学计算语言（例如Mathematica、MATLAB等）相比，Julia的劣势是什么？ Alan：在MIT，我们发现学生和年轻人乐于拥抱Julia，而有经验的教职员则跟进得慢一些。 Jeff：许多情况下，库比语言更重要。有许多对特定应用非常重要的库函数我们还没有提供。幸运的是调用C甚至Python很容易。 Viral：我们需要一个调试器。我们需要一个更加用户友好的性能分析工具。我们需要更多的库。我们需要更多用户。 《程序员》：你们有没有从科学计算语言的演化中看到一些趋势？从你们的角度来看，什么才是理想的科学计算语言（或系统）？ Alan：我相信Julia解放了科学计算，并将继续如此。 我观察过专家们通常用FORTRAN写的算法，感受则是人们不能碰这些算法。修改的难度注定了这一点，且主要从心理上。在一个人人可以调整算法进行试验的世界中，新创造将自由流淌。这是我最想看到的。 Jeff：长期以来我们看到语言系统中不断增强的运行时灵活性。渐渐地，人们拥抱了动态内存分配、动态连接，然后是动态分派（如OOP）、垃圾回收和即时编译。 Viral：我们的博客文章“为什么选择Julia”说的正是这个问题。除此以外，编程语言实验中还有一个有效使用多核和GPU的趋势。 |
