對研究人員來說，程式語言、編譯器與函式庫都是決定數據分析效能的因素；在當今的大數據 AI 時代，Python 是相當受歡迎的程式語言。然而，物理學家 Lee Phillips 投稿外媒《Ars Technica》，認為在海量數據的處理上，Julia 更優秀，是科學研究者愛用的程式語言之一。
什麼是 Julia？
Julia 運算速度快，能解決 Python 的雙語言問題
Julia 是一種進階通用的動態程式語言，於 2012 年上市，是相當年輕的程式語言。Julia 起初是為了滿足高效能數據分析而設計的，不需要直譯器，具有運算速度快的優勢。
Phillips 認為，Julia 的運算速度快，能解決 Python 的「雙語言問題」。Python 的缺點是速度慢，為了加快速度，工程師必須使用 C 語言，重寫運算最耗時的程式碼；雖然速度能夠提升，但工程師必須維護兩種語言的程式碼，產生了雙語言問題。
除了運算速度快，Phillips 表示，Julia 能吸引科學家的注意，關鍵在於它解決了電腦科學的難題：表達問題（expression problem）。
Julia 透過多重調度處理表達問題
在電腦中，函數與程式的功能是處理輸入的指令，然後將結果輸出；數據類型是函數操作的數字與其他資訊的集合；函式庫則是函數的集合，以及它們處理的數據類型的描述，集合起來執行一組相關的任務。
Phillips 表示，有的函數庫以函數式語言編寫，圍繞程式組織，有的以物件導向的語言編寫，圍繞成分組織。在一種情況下，工程師不能在不重寫現有程式的情況下添加新的成分，而在另一種情況下，工程師不能在不重寫現有工作的情況下添加新的程式，這就是表達問題。
Julia 透過多重調度（multiple dispatch）處理表達問題。多重調度是 Julia 的核心組織原則，因此它既不是物件導向，也不是函數式。多重調度能讓工程師自由且直接的混合與配對函式庫，來執行編寫函式庫的人從沒想過的任務。
除了多重調度，Julia 也有語法易讀性高的優點
Julia 不是第一個透過多重調度解決表達式問題的程式語言，Common Lisp 已經有此功能 40 年了，Perl 也具備這個能力。不同的是，多重調度是 Julia 的核心，而在其他的程式語言，多重調度是選擇性的，而且會影響性能。但 Julia 之所以受到科學界的歡迎，Phillips 認為，除了多重調度之外，語法易讀性高也是原因。
當然，現在 Python 還是最大宗，最受歡迎的程式語言，或許 Julia 在大量數據處理與科學界有優勢，但 Python 是否會被取代，現在誰也說不準。
參考資料
（本文提供合作夥伴轉載；首圖來源：flickr CC Licensed）
延伸閱讀
有神人同時擔任 Google 與 FB 的工程師！帶你認識科技界的「搖滾明星法則」
【堪稱天下第一大廠】開工半年內每月量產 3 萬片！台積六廠如何創造半導體奇蹟？
要用多少「馬鈴薯」才能在樹莓派玩《毀滅戰士》？超狂工程師實驗得出結果：770 片