在朱莉娅平行。 function和限制

在他们的arXiv论文中 ,朱莉娅的原作者提到了以下内容:

2.14 Parallelism 。 并行执行由标准库中的Julia实现的基于消息的多处理系统提供。 语言devise通过提供对称协程来支持这样的库的实现,对称协程也可以被认为是协作调度的线程。 此function允许在库中隐藏asynchronous通信,而不需要用户设置callback。 Julia目前不支持本地线程,这是一个限制,但是具有避免同步使用共享内存的复杂性的优点。

这是什么意思,说朱莉娅不支持本地线程 ? 什么是本地线程?

其他解释型语言如PythonR是否支持这种并行性? 朱莉娅独自一人在这?

“本地线程”是独立的执行上下文,由操作系统内核pipe理,访问共享内存空间,并可能在不同的内核上同时执行。 将其与单独的进程进行比较,这些进程可以在多个核上同时执行,但具有单独的内存空间。 确保进程交互很好很容易,因为它们只能通过内核相互通信。 确保线程不以不可预知的错误方式进行交互是非常困难的,因为它们可以以不受限制的方式读取和写入同一个内存。

R的情况相当简单: R不是multithreading的 。 Python有点复杂:Python确实支持线程化,但是由于全局解释器locking(GIL) ,Python代码的实际并发执行是不可能的。 其他stream行的开源dynamic语言在本地线程方面处于各种混合状态(Ruby: no / kinda / yes ?; Node.js: no ),但是总的来说,答案是否定的,它们不支持完全并行的本地线程,所以朱莉娅并不孤单。

当我们向Julia添加共享内存并行性时, 就像我们计划的那样 – 不pipe是使用本地线程还是使用共享内存的多进程 – 都将是真正的并发性,并且不会有GIL阻止同时执行Julia代码。 然而,这是一个非常棘手的function添加到一种语言,正如其他非常stream行的,成熟的dynamic语言不存在或有限的支持certificate。 添加一个共享内存并发模型在技术上是困难的,但真正的问题是devise一个编程模型,这将允许程序员以有效的方式高效地使用硬件并发。 这个问题一般没有解决,是一个非常活跃的研究和实验领域 – 没有“黄金标准”来复制。 我们可以添加POSIX线程支持,但是这种编程模型一般认为是危险的,难以置信地难以正确有效地使用。 Go有一个很好的并发性故事,但它是为编写高度并发的服务器而devise的,而不是为了同时处理大数据而devise的,因此,简单地复制Go的模型对于Julia来说是个好主意。