Optimization Julia vs Python编译器/解释器优化

我最近问了以下关于Python的问题：

假设我在x中有一个字符串，Python解释器是否足够聪明，可以 知道：

string.replace（x，x）

应该转换为

NOP

答案似乎是否定的（尽管Python解释器可以通过窥视孔优化程序实现）

我不知道Julia中的等价表达式是什么，但Julia是否能够优化这些相对明显的类型 语句？

依赖于编译器 问题是Julia能否向LLVM提供足够的信息，以便编译器能够优化内容

从您的示例可以看出，是的，您可以使用代码_native进行验证。例如，答案是预乘的，对x的不必要赋值被优化掉，函数总是返回一个常数

julia> f()=(x=7*24*60*60)
f (generic function with 1 method)

julia> code_native(f,())
    .section    __TEXT,__text,regular,pure_instructions
Filename: none
Source line: 1
    push RBP
    mov  RBP, RSP
    mov  EAX, 604800
Source line: 1
    pop RBP
    ret

从类型优化 它有时可以走得更远一些，因为可以从类型信息中获得更多的知识。相反，如果可能，应避免使用任何类型和global

例子 在第一种情况下，需要进行比较，因为y可能大于256，但在第二种情况下，因为它只有1个字节，所以它的值不能大于256，并且函数将被优化为始终返回1

案例一

julia>g（y:：Int16）=（y code\u native（g，（Int16，））
.section\uuuu TEXT、\uuuu TEXT、常规、纯指令
文件名：无
来源行：1
推动RBP
mov RBP，RSP
cmp DI，256
来源行：1
塞特尔
movzx-EAX，AL
流行限制性商业惯例
ret

案例二

julia>g（y：：Int8）=（y code_native（g，（Int8，））
.section\uuuu TEXT、\uuuu TEXT、常规、纯指令
文件名：无
来源行：1
推动RBP
mov RBP，RSP
mov-EAX，1
来源行：1
流行限制性商业惯例
ret

我认为答案是“有时”，因为它会传播常量并消除死代码。如果没有更具体的情况，很难回答，因为编译器在某些情况下很难推断（尽管可能比Python更容易）

julia> g(y::Int16)=(y<256?1:0)
g (generic function with 1 method)

julia> code_native(g,(Int16,))
    .section    __TEXT,__text,regular,pure_instructions
Filename: none
Source line: 1
    push RBP
    mov  RBP, RSP
    cmp  DI, 256
Source line: 1 
    setl  AL
    movzx EAX, AL
    pop   RBP
    ret

julia> g(y::Int8)=(y<256?1:0)
g (generic function with 2 methods)

julia> code_native(g,(Int8,))
    .section    __TEXT,__text,regular,pure_instructions
Filename: none
    Source line: 1
    push RBP
    mov  RBP, RSP
    mov  EAX, 1
Source line: 1
    pop  RBP
    ret