Le langage de programmation Julia gagne de plus en plus en popularité au sein de la communauté scientifique
Depuis janvier 2018
Le 2019-01-26 09:08:32, par Bill Fassinou, Chroniqueur Actualités
Le langage de programmation Julia a été créé par des chercheurs du MIT en 2009 et publié pour la première fois au grand public en 2012. Ce mois-ci, d’après des chiffres publiés par le site Web du langage, ce dernier serait en train de connaître une croissance rapide au sein de la communauté scientifique. Selon certains internautes, Julia pourrait même se placer comme concurrent direct de certains langages comme Python ou C++ dans les prochaines années vu la manière dont elle séduit les développeurs. Julia est un langage de programmation de haut niveau, performant et dynamique pour le calcul scientifique, avec une syntaxe familière aux utilisateurs d'autres environnements de développement similaires (Matlab, R, Scilab, Python, etc.).
Il fournit un compilateur sophistiqué, un système de types dynamiques avec polymorphisme paramétré, une exécution parallèle distribuée et des appels directs de fonctions C, Fortran et Python. Sa bibliothèque, essentiellement écrite dans le langage Julia lui-même, intègre également des bibliothèques en C et Fortran pour l’algèbre linéaire, la génération des nombres aléatoires et le traitement de chaînes de caractères. Les programmes Julia sont organisés suivant la définition de fonctions et de leur surcharge autour de différentes combinaisons de types d'arguments. Le développement de Julia a débuté en 2009 avec Jeff Bezanson, Alan Edelman, Stefan Karpinski et Viral Shah.
Le langage s'est popularisé lorsque le compilateur est devenu open source en 2012. Il est actuellement disponible sous licence MIT. À la base, ses concepteurs voulaient un langage open source avec une licence libre et renfermant de nombreux avantages surtout pour la communauté scientifique. « Nous voulons un langage open source, avec une licence libre. Nous voulons un langage qui associe la rapidité de C et le dynamisme de Ruby. En fait, nous voulons un langage homoiconic, avec de vraies macros comme Lisp et avec une notation mathématique évidente et familière comme Matlab. Nous voulons quelque chose d’aussi utilisable pour la programmation générale que Python, aussi facile pour les statistiques que R, aussi naturel pour la gestion de chaîne de caractères que Perl, aussi puissant pour l’algèbre linéaire que Matlab et aussi bien pour lier des programmes que le shell. Nous voulons qu’il soit à la fois interactif et compilé », avaient-ils déclaré en 2012.
En août 2018, la première version 1.0 jugée stable par l’équipe est publiée et le mois suivant, Julia occupait la 39e place dans le top 50 de l’index TIOBE. Après la sortie de cette version, Alan Edelman, Professeur au MIT CSAIL (Computer Science and Artificial Intelligence Lab), directeur de Julia Lab au MIT et également l’un des cofondateurs de Julia s’est adressé à la communauté en ces termes : « la sortie de Julia 1.0 indique que Julia est maintenant prête à changer le monde technique en combinant la productivité de haut niveau et la facilité d’utilisation de Python et R avec la vitesse fulgurante de C ++ ».
En décembre de la même année, le MIT indiquait que le projet Julia comptait plus de 3 millions de téléchargements et est utilisé dans plus de 1500 universités pour l’informatique scientifique et numérique. Cela a permis, courant décembre 2018 à trois des fondateurs de Julia d’être nommés lauréats du prix Wilkinson pour le logiciel numérique. Ce prix est décerné tous les quatre ans aux auteurs d’un logiciel numérique exceptionnel. Il a pour objectif de reconnaître les logiciels novateurs en calcul scientifique et d’encourager les chercheurs en début de carrière, a expliqué le MIT. Le prix sera présenté à la conférence sur la science et l'ingénierie numérique de la Société de mathématiques industrielles et appliquées (SIAM) de 2019 à Spokane dans l'État de Washington qui se tiendra du 25 février au 1er mars 2019.
À ce jour, le site de Julia informe la communauté que le projet réunit plus de 2400 paquets inscrits et plus de 3,2 millions de téléchargements. Ce dernier représenterait, selon le site Web, une croissance de 78 % au niveau des téléchargements. Sur GitHub, le nombre d’étoiles a également augmenté pour atteindre environ 73 600. Des chiffres qui témoignent de la montée en puissance du langage au sein de la communauté et surtout chez les scientifiques. Des avis des utilisateurs recueillis sur le site parlent de ce que Julia soit plus rapide que Python, et plus que cela, elle est beaucoup plus expressive.
Pour eux, le système des types, les macros et la répartition multiple permettent d’aborder des projets plus ambitieux. Le langage interagit également avec Python, ce qui permet de tirer parti des bibliothèques existantes dans Python et de s’intégrer à l’écosystème, disent-ils. Pour d’autres, Julia est un excellent outil. « Il est facile de noter le problème, mais il est difficile de le résoudre, surtout si notre modèle est à haute dimension. C'est pourquoi nous avons besoin de Julia. Comprendre comment résoudre ces problèmes nécessite un peu de créativité », ont-ils déclaré pour expliquer le choix porté sur Julia.
Sources : Julia Computing, MIT
Et vous ?
Qu'en pensez-vous ?
Connaissez-vous le langage ? Si oui, l’avez-vous essayé ? Partagez votre expérience avec nous.
Voir aussi
Sortie de Julia 1.0 et 0.7, le langage de programmation scientifique atteint sa première version stable après six ans de développement public
Après Redmonk, c'est au tour de l'Index TIOBE de mettre Python dans le top 3 des langages les plus populaires, Julia gagne également en notoriété
RedMonk janvier 2018 : Go semble déjà essoufflé et Swift rattrape Objective-C alors que Kotlin est en pleine ascension dans le classement
Index TIOBE : C sacré langage de programmation de l'année 2017, Python enregistre encore la plus forte progression annuelle sur PYPL
TypeScript entre dans le top 20 des langages les plus populaires, d'après le classement Redmonk de juin 2017
Il fournit un compilateur sophistiqué, un système de types dynamiques avec polymorphisme paramétré, une exécution parallèle distribuée et des appels directs de fonctions C, Fortran et Python. Sa bibliothèque, essentiellement écrite dans le langage Julia lui-même, intègre également des bibliothèques en C et Fortran pour l’algèbre linéaire, la génération des nombres aléatoires et le traitement de chaînes de caractères. Les programmes Julia sont organisés suivant la définition de fonctions et de leur surcharge autour de différentes combinaisons de types d'arguments. Le développement de Julia a débuté en 2009 avec Jeff Bezanson, Alan Edelman, Stefan Karpinski et Viral Shah.
Le langage s'est popularisé lorsque le compilateur est devenu open source en 2012. Il est actuellement disponible sous licence MIT. À la base, ses concepteurs voulaient un langage open source avec une licence libre et renfermant de nombreux avantages surtout pour la communauté scientifique. « Nous voulons un langage open source, avec une licence libre. Nous voulons un langage qui associe la rapidité de C et le dynamisme de Ruby. En fait, nous voulons un langage homoiconic, avec de vraies macros comme Lisp et avec une notation mathématique évidente et familière comme Matlab. Nous voulons quelque chose d’aussi utilisable pour la programmation générale que Python, aussi facile pour les statistiques que R, aussi naturel pour la gestion de chaîne de caractères que Perl, aussi puissant pour l’algèbre linéaire que Matlab et aussi bien pour lier des programmes que le shell. Nous voulons qu’il soit à la fois interactif et compilé », avaient-ils déclaré en 2012.
En août 2018, la première version 1.0 jugée stable par l’équipe est publiée et le mois suivant, Julia occupait la 39e place dans le top 50 de l’index TIOBE. Après la sortie de cette version, Alan Edelman, Professeur au MIT CSAIL (Computer Science and Artificial Intelligence Lab), directeur de Julia Lab au MIT et également l’un des cofondateurs de Julia s’est adressé à la communauté en ces termes : « la sortie de Julia 1.0 indique que Julia est maintenant prête à changer le monde technique en combinant la productivité de haut niveau et la facilité d’utilisation de Python et R avec la vitesse fulgurante de C ++ ».
En décembre de la même année, le MIT indiquait que le projet Julia comptait plus de 3 millions de téléchargements et est utilisé dans plus de 1500 universités pour l’informatique scientifique et numérique. Cela a permis, courant décembre 2018 à trois des fondateurs de Julia d’être nommés lauréats du prix Wilkinson pour le logiciel numérique. Ce prix est décerné tous les quatre ans aux auteurs d’un logiciel numérique exceptionnel. Il a pour objectif de reconnaître les logiciels novateurs en calcul scientifique et d’encourager les chercheurs en début de carrière, a expliqué le MIT. Le prix sera présenté à la conférence sur la science et l'ingénierie numérique de la Société de mathématiques industrielles et appliquées (SIAM) de 2019 à Spokane dans l'État de Washington qui se tiendra du 25 février au 1er mars 2019.
À ce jour, le site de Julia informe la communauté que le projet réunit plus de 2400 paquets inscrits et plus de 3,2 millions de téléchargements. Ce dernier représenterait, selon le site Web, une croissance de 78 % au niveau des téléchargements. Sur GitHub, le nombre d’étoiles a également augmenté pour atteindre environ 73 600. Des chiffres qui témoignent de la montée en puissance du langage au sein de la communauté et surtout chez les scientifiques. Des avis des utilisateurs recueillis sur le site parlent de ce que Julia soit plus rapide que Python, et plus que cela, elle est beaucoup plus expressive.
Pour eux, le système des types, les macros et la répartition multiple permettent d’aborder des projets plus ambitieux. Le langage interagit également avec Python, ce qui permet de tirer parti des bibliothèques existantes dans Python et de s’intégrer à l’écosystème, disent-ils. Pour d’autres, Julia est un excellent outil. « Il est facile de noter le problème, mais il est difficile de le résoudre, surtout si notre modèle est à haute dimension. C'est pourquoi nous avons besoin de Julia. Comprendre comment résoudre ces problèmes nécessite un peu de créativité », ont-ils déclaré pour expliquer le choix porté sur Julia.
Sources : Julia Computing, MIT
Et vous ?
Voir aussi
-
MadmacMembre extrêmement actifLe passage de Python vers Julia ne demande pas beaucoup d'effort.
Et pour quelqu'un qui débute, Julia un choix très largement supérieur à Python. Et comme plusieurs programmeurs utilisant Python voudrait une version typée, Je ne serais pas étonné que la clientèle traditionnelle passent à Julia.
Traitement en parallèle
Julia prend en charge trois catégories principales de fonctionnalités pour la programmation simultanée et parallèle:
"Tâches" asynchrones ou coroutines
Multi-threading
Informatique distribuée
Les tâches Julia permettent de suspendre et de reprendre les calculs pour les E / S, la gestion des événements, les processus producteur-consommateur et des modèles similaires. Les tâches peuvent se synchroniser via des opérations telles que wait et fetch, et communiquer via Channels.
La fonctionnalité multi-threading s'appuie sur les tâches en leur permettant de s'exécuter simultanément sur plus d'un thread ou cœur de processeur, partageant la mémoire.
Enfin, l'informatique distribuée exécute plusieurs processus avec des espaces mémoire séparés, potentiellement sur des machines différentes. Cette fonctionnalité est fournie par la bibliothèque standard Distributed ainsi que par des packages externes tels que MPI.jlet DistributedArrays.jl.
«Réseaux et flux
Programmation asynchrone »
Comparaison de performance Julia Vs Python :https://benchmarksgame-team.pages.de...a-python3.htmlle 19/01/2021 à 1:21 -
danielhagnoulRédacteurle 19/01/2021 à 11:08
-
danielhagnoulRédacteurle 19/01/2021 à 11:12
-
abriotdeMembre chevronnéLe passage de Python vers Julia ne demande pas beaucoup d'effort.
C'est un peu comme comparer PHP à Perl. En comparaison, Rust, introduit de la programmation fonctionnelle par rapport a C, il est plus proche d'un mixte entre divers inspirations très diverses (mais Rust se destine a des informaticien pointus comme C qui ont un bagage pour évoluer).le 19/01/2021 à 14:14 -
danielhagnoulRédacteurPour la performance, il est important de savoir qu'il ne faut jamais, quels que soient les circonstances et les besoins, créer une variable globale ! Le code doit toujours être dans une fonction ou dans un module.le 19/01/2021 à 11:19
-
rawsrcExpert éminent séniorPurée, 2 heures de lecture de la doc et je suis soufflé.
C'est réellement un truc de fou. Chapeau bas aux p'tit gars du MIT
Ils sont arrivés à faire ce qu'ils voulaient :
Nous voulons un langage qui associe la rapidité de C et le dynamisme de Ruby. En fait, nous voulons un langage homoiconic, avec de vraies macros comme Lisp et avec une notation mathématique évidente et familière comme Matlab. Nous voulons quelque chose d’aussi utilisable pour la programmation générale que Python, aussi facile pour les statistiques que R, aussi naturel pour la gestion de chaîne de caractères que Perl, aussi puissant pour l’algèbre linéaire que Matlab et aussi bien pour lier des programmes que le shell. Nous voulons qu’il soit à la fois interactif et compilé »
Sur le net, il y a un consensus général sur le langage Julia. Vu les grosses boites qu'il s'y mettent, je parie ma chemise que cela va finir en raz-de-marée.le 26/01/2019 à 10:29 -
MingolitoMembre extrêmement actifCa n'a pas grand sens ton propos, si Julia n'avais pas un sens techniquement parlant on en parlerais même pas, et le fait de savoir si un nouveau langage provoque de l'intérêt ou fait un bide c'est important évidement.
Entre autre se pose la question du remplacement de Fortran pour la communauté scientifique, c'est partiellement fait vers Python mais peut être que Julia propose une meilleur alternative. Donc se poser la question de savoir si c'est techniquement une meilleur alternative dans certains domaines d'utilisation, puis de savoir si la validité du concept est validé par des téléchargements ou pas est une démarche totalement pertinente.le 19/01/2021 à 15:52 -
Si tu le dis...
Perso, ça doit faire 2 ans que c'est mon langage principal et certains concepts de base du langage m'ont demandé un certain effort d'apprentissage (immuabilité, multiple dispach, types polymorphes, stabilité de type, JIT...). Et apparemment je ne suis pas le seul, vus la longueur de la page "Performance Tips" de la doc (https://docs.julialang.org/en/v1/man...ormance-tips-1) et le nombre de messages dans les sections "First steps" et "Performance" du forum Julia (https://discourse.julialang.org/)...le 26/01/2019 à 21:17 -
MingolitoMembre extrêmement actifPlus il y aura de téléchargements, et donc d'utilisateurs, plus il y aura de chances d'avoir des remontées sur ce qui ne va pas, donc d'améliorer l'offre, et aussi d'avoir de nouvelles API autour de Julia.le 19/01/2021 à 17:33
-
Si je posais la question c'est parce qu'avec des petits projets "pour tester la syntaxe", on n'a souvent qu'un aperçu limité du langage.
Justement, ce n'est pas un langage objet (du moins, pas dans le sens de Java ou Python). C'est plutôt basé sur un système de types polymorphes avec du multiple-dispatch.
Julia supporte les macros depuis longtemps : https://docs.julialang.org/en/v1/man...taprogramming/
Et c'est là que les choses sérieuses commencent. Clairement, l'objectif de julia, c'est d'avoir un langage aussi haut-niveau que python mais aussi rapide que c++. En pratique, on y arrive mais c'est loin d'être aussi simple que d'écrire quelques signatures de types ou d'enlever des variables globales. D'où mon étonnement sur la remarque que "passer vers Julia ne demande pas beaucoup d'effort".le 19/01/2021 à 23:08