为什么Julia运行函数的速度比非函数的速度快？

所以，今天我决定试试Julia，我遇到了一些奇怪的事情，我不太明白原因，也找不到一个合适的答案来回答我的搜索问题，所以我来了

首先，我希望有一些东西可以作为Python的基准，我决定使用这段非常简单的代码

def test():            
    start = time()     
    a = 1              
    while a < 10000000:
        a+=1           
    print(time() - start)

def test（）：
开始=时间（）
a=1
当a<10000000时：
a+=1
打印（时间（）-开始）

在我的机器上，用Python3.3执行这项操作需要约0.9秒的时间。然后我在茱莉亚身上做了如下的报道

start = time()
a = 1
while a < 10000000
    a+=1
end
print(time() - start)

start=time（）
a=1
而a<10000000
a+=1
结束
打印（时间（）-开始）

执行时需要~0.7秒。因此我得出结论，Julia中的简单算术性能是Python的~=

然而，当我把它变成一个函数时，我无意中发现了一种我没有预料到的奇怪现象，这使我的结果出人意料

function test_arithmetic()
    start = time()
    a = 1
    while a < 10000000
        a+=1
    end
    print(time() - start)
end

test_arithmetic()

函数测试_算术（）
开始=时间（）
a=1
而a<10000000
a+=1
结束
打印（时间（）-开始）
结束
测试算法（）

---

这个代码片段只花了~0.1s执行，这是为什么？

我找到了答案，它与存储局部变量比全局变量更快有关

Python的等效问题（这让我测试了Julia是否也适用于Python）可以在中找到

事实证明，该代码段也在~0.7s中运行

function test_arithmetic()
    start = time()
    global a = 1
    while a < 10000000
        a+=1
    end
    print(time() - start)
end

test_arithmetic()

函数测试_算术（）
开始=时间（）
全局a=1
而a<10000000
a+=1
结束
打印（时间（）-开始）
结束
测试算法（）

原因是全局变量可以在任何时候更改其类型，这使得编译器很难进行优化。这在报告中提到