這兩天的媒體報道可能讓一些人有了恐慌，但是我現在有一個誠懇的建議就是如果你完全沒有編程基礎，時間也不多的話（時間多了不是想學啥學啥），我建議你先學一下 Python，這並不沖突，因為 Julia 的語法本身和 Python 很像，1.0 之後也專門增加了一些 feature 幫助你更好地從 Python 轉向 Julia。Julia 剛剛有了第一個長期支持版本，這還不意味著這個語言已經完全成熟，我想此時的 Julia 更像是彼時的 Python 2.0，還有很長一段路要走，但是已經非常的有前景。

那麽什麽人我會建議學習 Julia 呢？或者 Julia 在什麽場景下也許能夠有優勢呢？我個人的體驗是以下這裏一類：

之前使用 Python 但是因為性能問題，經常需要使用 numba/Cython/C API/ctypes/etc. 等方式進行優化的人。Julia 或許能夠幫助你解決兩語言問題，並且獲得可讀性更好，更容易維護的代碼。之前使用 MATLAB，但是被一些付費功能困擾的用戶（MATLAB 2018 也是不錯的，但是要支持正版哈）之前使用 Fortran 和 R 的用戶，強烈建議使用 Julia（可以結合著用也，FFI 是很不錯的）之前使用 Sage/Octave 的用戶，不妨嘗試一下這個新玩意兒

如果你之前的工作僅僅使用 Python 就足以勝任，那麽不必著急，也不必恐慌，不妨在感興趣的時候試試這個新東西，但是也完全可以等到 Julia 被大規模使用的時候再跟進。實際上從一開始像 MXNet 這樣的深度學習框架就官方支持了 Julia，這些框架的 Python 用戶轉移過來也並不是什麽難事，但是如果你本來就不擔心自己程序的性能（很多時候這並不是一個大問題），那麽其實不會體會到什麽明顯的不同和優勢。但是這樣說也並不完全正確，Julia 語言的優勢不僅僅在其性能，也在其語言本身的設計。

此外，也要再三聲明，雖然 Julia 可以寫出高性能的代碼，但是寫出高性能的代碼這件事情本身就很困難。雖然寫起來像 Python，運行速度像 C 是我們的夢想，但是在現在這個階段，並不是隨便寫一段 Julia 代碼就真的能達到 C 的。Julia 只是給你提供了充分優化的空間，和（達到高性能代碼的）相對容易的編程體驗。

下載和安裝 Julia

Julia 目前因為官網的服務器只有 AWS s3（他們也很窮）。所以國內的一些地區下載速度很慢：

鏈接：https://julialang.org/downloads/

大家可以試一試，然後也可以去 Julia Computing 公司提供的 Julia 全家桶（你可以把它理解為 Julia 版本的 Anaconda），最左邊的 JuliaPro 是免費的：

鏈接：https://juliacomputing.com/

之前浙大的 LUG 搭建了一個鏡像，但是維護的同學最近有一些忙，所以目前還沒有更新到 1.0。但是其實你如果無法從以上途徑下載，那麽從境內的源裏下載 Julia 0.6 也其實並不影響你先熟悉一些基本語法（這是這個教程的主要目的），境內的源的下載地址在這裏：

鏈接：http://juliacn.com/downloads/

我們也會盡快更新。

然後還有一個叫做 Julia Box 的雲服務很方便可以使用，裏面有很多教程，都是 jupyter notebook，打開即用，全部都是在線的不用安裝。但是唯一的缺點就是國內可能不一定能夠正常訪問到。

鏈接：http://suo.im/4S7gbT

使用什麽編輯器

Julia 語言的社區不夠大，此外由於不是像 rust 這樣的靜態編譯語言，也不是像 CPython 這樣的解釋型編譯器，在啟動的時候有比較明顯的 overhead，這個問題一直在優化（REPL 的啟動時間已經從曾經的 1.0s 到了現在的 0.2s，依然和 IPython 這樣的有明顯差距），有 PL 的朋友私下和我說是 LLVM 的 JIT 不是那麽好（像 nodejs 的 V8 這個問題就不是很明顯）

所以在這個階段選擇一個合適的開發工具是非常必要的。目前支持最好，bug 最少的是 Atom 上的 Juno 插件，如果你下載 Julia Pro 那麽會自帶這個編輯器。如果你想選擇手動安裝，那麽可以在這裏下載 Atom：

鏈接：https://atom.io/

然後安裝方法在這裏有介紹：

鏈接：http://docs.junolab.org/latest/man/installation.html

或者我也推薦你安裝 IJulia 之後，使用 jupyter notebook 和 jupyter lab 進行開發。

其它的平臺也有支持，例如 Jetbrain 的各個 IDE 都可以使用由 @ 考古學家千裏冰封等開發的插件。VS code 也有 Julia 插件，以及 Vim 也是有支持的。但是他們都還沒有支持逐行執行和單獨執行某一塊代碼的功能，這對於本身被設計得很像 Mathematica 的 Julia 來說沒有執行一個 cell 的支持開發起來會時常被 JIT 的預熱時間所困擾。

然後為了克服 JIT 的預熱，避免重復啟動編譯器。如果你不重新定義（re-define）類型的話，可以試試 Revise.jl :

鏈接：https://github.com/timholy/Revise.jl

這是一個用於熱加載 Julia 代碼的工具，1.0 已經支持方法（method）的刪除了。所以也能夠方便你的開發。

其實和 Python 一樣，在我日常使用中，作為動態語言，以及因為語法本身適合分塊執行，我其實很少會用到斷點和專門的 debugger，此外雖然有相關的包，在 1.0 的編譯器裏也為未來加入 debugger 提供了相關功能，但是目前還沒有完善，你也許可以試試（但是我暫時不推薦）：

鏈接：https://github.com/Keno/Gallium.jl

鏈接：https://github.com/timholy/Rebugger.jl

我怎麽知道我要用什麽包

Julia 有一個由社區維護的網站用來幫助你從 1900 多個包裏找出符合你需求的 Julia 包：

鏈接：https://juliaobserver.com/

一般來說用比較新的，star 比較多的包會好一些。然後如果你覺得某個包不錯，也請在 GitHub 上給一個 star。

基本操作

當你下載好了 Julia 之後，不論是 Julia Pro 還是單獨的 Julia 編譯器，你都可以先打開一個 REPL（交互式編程環境），類似於 IPython 之於 Python，Julia 的 REPL 支持了基本的代碼高亮，文檔查看等功能。但是 Julia 的 REPL 更強大（這件事稍後再說）。

Windows/Mac 用戶：

雙擊 Julia 的三×××標，就能打開 REPL。在 Atom 裏面的話在左上角有 Julia 一欄，點擊裏面的 open terminal 即可。

Linux 用戶：

下載好以後去找到 bin 文件夾，然後把它加入你的 PATH 環境變量裏去，以後就可以在命令行裏直接通過 `julia` 命令啟動 REPL。

Julia 1.0 正式發布，這是新出爐的一份簡單中文教程