Julia 中的运行时多态性开销

Question

我了解 Julia 严重依赖即时静态类型派生（基本上所有代码都需要被视为 c++ 模板）。我也明白这意味着在对不同类型的对象使用单一算法时没有运行时开销，只要这些类型在编译时是已知的。

当谈到运行时多态性时，我不太清楚事情是如何工作的。假设我们有以下情况：

abstract Shape

type Circle <: Shape
    radius::Float64
end

type Square <: Shape
    width::Float64
end

dist(x::Circle, y::Circle) = ...
dist(x::Circle, y::Square) = ...
dist(x::Square, y::Circle) = ...
dist(x::Square, y::Square) = ...


s = get_shape()
t = get_shape()
a = dist(s,t)

在这里，get_shape 可以返回圆形或正方形，例如基于用户输入。在 C++ 中，分派将简单地进行虚拟表查找。这在 Julia 中是如何工作的？多重调度背后的机制是什么？它比虚拟表查找贵得多吗？从同一个抽象类型派生Square 和Circle 有什么好处，或者这与运行时调度的上下文完全无关？

EDT：在此示例上运行 @code_warntype 给出：

Variables:
  s::Union{Circle,Square}
  t::Union{Circle,Square}

Body:
  begin  # none, line 2:
      s = (Main.get_shape)()::Union{Circle,Square} # none, line 3:
      t = (Main.get_shape)()::Union{Circle,Square} # none, line 4:
      return (Main.dist)(s::Union{Circle,Square},t::Union{Circle,Square})::ASCIIString
  end::ASCIIString

所以编译器并不是完全不知道 s 和 t 的类型。调用dist时，这些知识是否用于加快调度？

Answer 1

当您对同一个函数有多个方法时，julia 通过类型交集（将参数的类型与签名中的类型匹配）使用方法查找来确定要调用的方法。如果可以推断出类型，则可以在编译代码时执行该计算。通过提前进行查找，它不必在运行时执行类型交集，这样可以提供最佳性能。

当类型不可预测时，julia 必须在运行时确定要分派到哪个方法。如果被调用的函数做的工作量很小，这有时会成为运行时的瓶颈。 （当它做大量工作时，查找对于性能来说基本上是无关紧要的）。

对于 julia 来说，这是一个比 OOP 语言稍微复杂的问题，因为正确的方法取决于所有的参数，而不仅仅是第一个。

Answer 2

我知道这是旧的，但如果有人对数字感兴趣，我发现了一点 benchmark。事实证明，目前（1.1）使用抽象类型的运行时多态性非常慢（30x vs static dispatch，6x vs C++ virtual function calls）。