Julia 知识点速查

• Julia 是一种为科学计算而生的，开源、多平台、高性能的高级编程语言
• Julia 有一个基于 LLVM 的 JIT 编译器，这让使用者无需编写底层的代码也能拥有像 C 与 FORTRAN 那样的性能。因为代码在运行中编译，你可以在 shell 或 REPL 中运行代码，这也是一种推荐的工作流程
• Julia 是动态类型的。并且提供了为并行计算和分布式运算设计的多重派发机制
• Julia 自带包管理器
• Julia 有许多内置的数学函数，包括特殊函数 (例如：Gamma 函数)。并且支持开箱即用的复数运算
• Julia 允许你通过类似 Lisp 的宏来自动生成代码
• Julia 诞生于 2012 年

# 抛出异常 SomeExcep
throw(SomeExcep())
# 再次引发当前的异常
rethrow()

定义新异常 NewExcep

struct NewExcep <: Exception
    v::String
end
Base.showerror(io::IO, e::NewExcep) = print(io, "A problem with $(e.v)!")

throw(NewExcep("x"))
# 抛出带文本的异常
error(msg)

异常处理流程

try
  # 进行一些可能会失败的操作
  catch ex
    if isa(ex, SomeExcep)
        # 处理异常 SomeExcep
    elseif isa(ex, AnotherExcep)
        # 处理另一个异常 AnotherExcep
    else
        # 处理其余的异常
    end
  finally
  # 永远执行这些语句
end

# 类型注释
var::TypeName
# 类型声明
struct Programmer
    name::String
    birth_year::UInt16
    fave_language::AbstractString
end
# 可变类型声明
将 struct 替换为 mutable struct
# 类型别名
const Nerd = Programmer
# 类型构造器
methods(TypeName)
# 类型实例
me = Programmer("Ian", 1984, "Julia")
me = Nerd("Ian", 1984, "Julia")
# 子类型声明
abstract type Bird end
struct Duck <: Bird
    pond::String
end
# 参数化类型
struct Point{T <: Real}
    x::T
    y::T
end

p = Point{Float64}(1,2)
# 联合类型
Union{Int, String}
# 遍历类型层级
supertype(TypeName) 和 subtypes(TypeName)
# 默认的超类型
Any
# 所有字段
fieldnames(TypeName)
# 所有字段类型
TypeName.types

使用引用 :( ... ) 或块引用 quote ... end 可以创建一个表达式，就像 parse(str)，和 Expr(:call, ...)。

x = 1
line = "1 + $x"         # 一些代码
expr = Meta.parse(line) # 生成一个 Expr 对象
typeof(expr) == Expr # true
dump(expr)           # 打印生成抽象语法(AST)
eval(expr) == 2      # 对 Expr 对象求值: true

Julia 具有同像性：程序被表示为语言本身的数据结构。 实际上 Julia 语言里的任何东西都是一个表达式 Expr。符号(Symbols)即驻留字符串 ，以冒号 : 为前缀。相对于其他类型来说，符号效率更高。它也经常用作标识符、字典的键或者数据表里的列名。符号不能进行拼接。

读取流

stream = stdin
for line in eachline(stream)
    # 做点啥
end

读取文件

open(filename) do file
    for line in eachline(file)
        # 做点啥
    end
end

读取/写入 CSV 文件

# 读取 CSV 文件
using CSV
data = CSV.File(filename)
# 写入 CSV 文件
[label](koajs.md)CSV.write(filename, data)

读取/保存 Julia 对象

using JLD
# 保存 Julia 对象
save(filename, "object_key", object, ...)
# 读取 Julia 对象
d = load(filename) # 返回对象的字典

读取/保存 HDF5

using HDF5
# 保存 HDF5
h5write(filename, "key", object)
# 读取 HDF5
h5read(filename, "key")

宏允许你在程序中自动生成代码（如：表达式）

# 定义
macro macroname(expr)
    # 做点啥
end

使用

macroname(ex1, ex2, ...) 或 @macroname ex1, ex2, ...

内置的宏

@assert    # assert (单元测试)
@which     # 查看对特定参数使用的方法/查找函数所在的模块
@time      # 运行时间与内存分配统计
@elapsed   # 返回执行用时
@allocated # 查看内存分配
@async     # 异步任务

using Test
@test          # 精确相等
@test x ≈ y    # 近似相等 isapprox(x, y)

using Profile
@profile        # 优化

创建 卫生宏 (hygienic macros)的规则：

• 在宏的内部只通过 local 声明本地变量
• 在宏的内部不使用 eval
• 转义插值表达式以避免宏变大：$(esc(expr))

并行计算相关的工具可以在标准库 Distributed 里找到

# 启动带 N 各 worker 的 REPL
julia -p N
# 可用的 worker 数量
nprocs()
# 添加 N 个 worker
addprocs(N)
# 查看所有 worker 的 pid
for pid in workers()
    println(pid)
end
# 获得正在执行的 worker 的 id
myid()
# 移除 worker
rmprocs(pid)
# 在特定 pid 的 worker 上运行 f(args)
r = remotecall(f, pid, args...)
# 或:
r = @spawnat pid f(args)
...
fetch(r)
# 在特定 pid 的 worker 上运行 f(args) (更高效)
remotecall_fetch(f, pid, args...)
# 在任意 worker 上运行 f(args)
r = @spawn f(args) ... fetch(r)
# 在所有 worker 上运行 f(args)
r = [@spawnat w f(args) for w in workers()] ... fetch(r)
# 让表达式 expr 在所有 worker 上执行
@everywhere expr
# 并行化带规约函数 red 的循环
sum = @distributed (red) for i in 1:10^6
    # 进行并行任务
end
# 将 f 用用到集合 coll 中的所有元素上
pmap(f, coll)

using ModuleName # 导出所有名称
# 仅导出 x, y
using ModuleName: x, y
# 仅导出 x, y
using ModuleName.x, ModuleName.y:
# 仅导出 ModuleName
import ModuleName 
# 仅导出 x, y
import ModuleName: x, y 
# 仅导出 x, y
import ModuleName.x, ModuleName.y

using 和 import 只有一点区别：使用 using 时，你需要写 function Foo.bar(.. 来给 Foo 模块的函数 bar 增添一个新方法； 而使用 import Foo.bar 时，只需写 function bar(... 就能达到同样的效果