为什么我不再推荐你用Julia？

从诞生之日起，Julia 已经走过了十多个年头。,作为一个面向科学计算的高性能动态高级程序设计语言，Julia 在许多情况下拥有能与编译型语言相媲美的性能，且足够灵活。,曾有开发者盛言赞美 Julia，从速度、通用性、多重派发等多个维度出发，认为 ​​Julia 甚至比 Python 更胜一筹​​。,当然，也有人发现了 Julia 尚存在一些不足之处，开发者 Yuri Vishnevsky 就写了一篇博客控诉 Julia，并表示自己在使用多年后，已经正式停用了 Julia。,以下是博客内容：,多年来，我一直使用 Julia 语言来转换、清理、分析和可视化数据、进行统计和执行模拟。,我还发布了一些开源包，例如最近邻搜索等。但不久前我停止使用 Julia 了，我也不再推荐使用它，现在我来阐述一下原因。,根据我的经验，在我使用过的所有编程系统中，Julia 及其包的错误率最高，我来举例说明一下：,还有一些开发者也提出了类似的问题：,我经常会遇到这样严重的错误，足以让我质疑 Julia 中复杂计算的正确性，在尝试新的包或者函数的组合时尤其如此。,例如，我发现 Distance 包中的 Euclidean distance 不适用于 Unitful vector;还有人发现 Julia 运行外部命令的函数不适用于 substring，Julia 对缺失值的支持在某些情况下会破坏矩阵乘法，标准库的 @distributed 宏不适用于 OffsetArrays......,尤其是 OffsetArrays 被证明是 correctness bug 的重要来源。这个包提供了一种数组类型，它利用 Julia 灵活的自定义索引功能来创建数组，而不必从 0 或 1 开始。,这可能会导致内存访问越界，如果你很幸运，将导致 segfault;如果不幸运，则会导致错误的结果。我曾经在 Julia 核心代码中发现一个 bug—— 即使用户和库作者都编写了正确的代码，它也可能导致内存访问越界。,我向 JuliaStats 组织提交了一些与索引相关的问题，该组织负责管理诸如 Distributions 之类的统计数据包和 StatsBase。我列出的问题包括：,这些问题背后的根本原因不单单是索引，还有当与 Julia 中的 @inbounds 一起使用时，就允许 Julia 从数组访问中删除边界检查。,上面的代码让 i 从 1 迭代到数组的长度。如果将一个具有异常索引范围的数组传给它，就会导致内存访问越界，并且错误地使用 @inbounds 导致程序中删除了边界检查。,然而，这段代码正是多年来如何使用 @inbounds 的官方示例。,该问题现已修复，但令人担忧的是，@inbounds 很容易被滥用，导致数据损坏和不正确的数学结果。根据我的经验，这些问题包括但不限于 Julia 生态系统中的数学部分。,我在尝试完成 JSON 编码 、发出 HTTP 请求、将 Arrow 文件与 DataFrames 一起使用，以及使用 Pluto 编辑 Julia 代码等日常任务时，发现一些库中也存在 bug。,当我开始好奇我的经历是否具有代表性时，一些 Julia 用户私下分享了类似的故事。,例如，Patrick Kidger 描述了他使用 Julia 进行机器学习研究的尝试：,Patrick 还谈到：,在讨论中，其他人表示也有类似的经历：,@Samuel_Ainsworth：像 @patrick-kidger 一样，我被 Zygote/ReverseDiff.jl 中的梯度错误 bug 所困扰。我花费了数周的时间，彻底动摇了我对整个 Julia AD 领域的信心。在使用 PyTorch/TF/JAX 的时候，我从未遇到过这样的梯度 bug。,@JordiBolibar：从我开始使用 Julia 进行研究以来，我在 Zygote 中遇到了两个 bug，这使我的工作减慢了几个月。积极的一面是，这迫使我深入研究代码，并了解到很多关于我正在使用的库的信息。但是我发现自己需要花费大量时间调试代码，而不是进行本职研究。,可见，Julia 的问题是如此普遍。Julia 没有正式的接口概念，泛型函数倾向于在边缘情况下不指定其语义，并且许多常见隐式接口的性质尚未明确(例如，Julia 社区对数字是什么没有达成一致意见) 。,Julia 社区有非常多有能力、有才华的人，他们用自己的时间、工作和专业知识为 Julia 的改进做出了贡献。但一些系统性问题很少能自下而上解决，我的感觉是开发团队 leader 不承认存在严重的正确性问题。他们接受个别孤立问题的存在，但不接受这些问题背后的根本模式存在错误。,例如，在 Julia 机器学习生态系统还不够成熟的时候，该语言的一位联合创始人就兴奋地谈到在自动驾驶汽车生产中使用 Julia：,另一位联合创始人曾表示 Julia 有一个很大的优势是利于代码复用：,从社区的角度看，每当出现一篇批评 Julia 的帖子时，社区内都会有开发者为其辩驳例如：,这些说法在小范围内似乎是合理的，但如果一直如此会造成使用者的合法体验被削弱或淡化，更深层次的根本问题没有得到承认和解决。,凭借过去十年在编程语言和开源社区方面的经验，我认为至少在基本正确性方面，Julia 目前并不可靠，也许正在变可靠的路上。Julia 及其开发者必须重新审视和修改它的可靠性。