或许你根本没听说过还有这么一门语言，我也是最近才接触到它，瞬间就被它的高效简洁所吸引，这里所指的高效，同时包含了编码与执行两层含义。我曾经非常想在 Java 或 Kotlin 内直接书写数学公式，因此也学习了 MPS 等奇怪的东西，比如说这样的（图片来源为 JetBrains MPS Intro）:
虽然在这种情况下写代码的确是累了点，但是效果很好，能够很直观的看出来想要做的事情。
当用上 Julia 之后，就可以直接扔掉 MPS 了，你可以用很简单的方式，在 Julia 里编写数学公式:
julia> x = 3
julia> y = 2x^2 + 3x - 1
julia> println(y)
julia> z = √2
julia> println(z)
写个根号都那么任性！
既然要拿它来进行开发了，那自然逃不了搭建开发环境等事。好在 Julia 提供了非常简单搭建手册，直接照做就行了（点击查阅）。
搭过一遍后，我发现我这种 Idea 党完全用不惯 Atom，还是更加倾向于在 Idea 里直接搭建。不得不说，JetBrains 全家桶真的是万能的，直接就找到了 Julia 的插件:
安装后只需要配置 Julia 的可执行程序路径即可，比如说在 Mac 下是 /Applications/Julia-x.y.app/Contents/Resources/julia/bin/julia。于是环境就搭好了，可以愉快的玩耍了。
对于我来说，学习一门新的语言，我都会从它的特性开始入手，比如说特定的数据类型:
julia> x = √Complex(-1)
0.0 + 1.0im
是不是发现新大陆了？在其他的编程语言里，对 -1 开根号必然是报错的，然而在 Julia 里，居然支持虚数单位，这个特性已经可以决定 Julia 必然在科学计算领域里能大有作为。同样的，还有一些常规语言不具备的概念性的东西:
julia> x = 1 / Inf
0.0
julia> y = 0 * Inf
NaN
在这里的 Inf 就是无穷大（也有负无穷大），而 NaN 即是表示 并非是一个数字(Not a Number)。这些概念的引入，使得 Julia 更加适合被用在科学计算上。当然了，Julia 所包含的并不仅仅有这些概念而已，通过查阅手册，可以了解到更多的令人激动的特性（点此查阅手册）。
下面也要尝试一下，Julia 对于常规编程的支持是否友好，我选择的是网络请求和 JSON 解析的能力。
Julia 已拥有很多第三方库，可以直接在包管理工具内进行安装，默认是不安装的。在安装的过程中，也有可能会出现问题，多是因为国内网络的问题，导致一些包无自法下载，请自行寻找解决方案。在网络完备的前提下，使用以下命令可以完成对网络请求库，以及 JSON 解析库的安装:
julia> using Pkg
julia> Pkg.add("HTTP")
julia> Pkg.add("JSON")
julia> Pkg.build("MbedTLS")
然后只需要一点点代码，就能完成一个简易的请求了:
using HTTP
using JSON
httpRequest(url, cb) = (
ret = HTTP.request("GET", url);
cb(ret.status, String(ret.body))
)
httpRequest("http://httpbin.org/ip", (code, body) -> (
println(code);
println(body);
json = JSON.parse(body);
ip = json["origin"];
println(ip)
))
可以很明确的看到，Julia 和 Kotlin 一样，都把函数视为一等公民，并且 Julia 更智能，并不需要传入函数的定义。在这一点是，是仁者见仁的，因为这样的特性存在，也强迫我们必须写较多的注释，否则后期自己的代码都无法维护了。
本地化编译，这是一个非常有用的特性，可以让执行效率变得更高，同时更容易分发软件。在 Julia 里做本地化编译目前还是有一些麻烦的，官方提供的编译工具并不那么好用，如下:
julia> using Pkg
julia> Pkg.add("PackageCompiler")
julia> using PackageCompiler
julia> build_executable("sample.jl")
这两句代码在一开始绝对会让你体会到什么叫生不如死，因为编译时会报错:
ERROR: Unexpected format of "Base.julia_cmd()", you may be using an incompatible version of Julia
查了一下 github 的提交记录，发现最新的 PackageCompiler 0.6.0 已经可以适配 Julia 1.1 了，然而我们通过 Pkg 安装来的 PackageCompiler 却是 0.5.1 的，必须先进行升级:
julia> ]
pkg> st
pkg> up PackageCompiler
此时就可以把 PackageCompiler 升级到最新版本，可以进行编译了，切记，在编译前重启 REPL，否则加载到的依然是老版本的包。
对于 Julia 来说，要编译一个本地化应用，需要一个与 C 一致的 main 函数，作为程序的执行入口，所以我们可以把代码修改成这样:
module GetIP
import HTTP
import JSON
httpRequest(url, cb) = (
ret = HTTP.request("GET", url);
cb(ret.status, String(ret.body))
)
Base.@ccallable function julia_main(ARGS::Vector{String})::Cint
httpRequest("http://httpbin.org/ip", (code, body) -> (
json = JSON.parse(body);
ip = json["origin"];
println(ip)
))
return 0
end
end
然后在 Julia 命令行下进行编译就可以了:
julia> using PackageCompiler
julia> build_executable("sample.jl")
经过漫长的等待（至少1分钟），就可以看到原本可执行程序已生成。就目前来看，编译效率实在是非常低，并且在编译结果中还带有一大堆的依赖库，对发布程序造成一些不便。
不过不论如何，我们已经成功上手了 Julia，可以使用它来做一些开发了，比较看重它的跨平台特性（虽然还没体验到）以及对科学计算的能力，同样的，极其方便的代码编写方式，良好的语言胶水特性，也是非常到位的继续使用的理由。
