༺ཌ༈学编程到底学那种语言呢?༈ད༻

本文探讨了编程语言的发展趋势及性能对比,分析了C、C++、Python等语言的使用情况,并结合Google趋势和TIOBE指数预测了未来可能流行的编程语言。

  说到底,编程语言只是工具,就像螺丝刀一样。在需要使用圆头螺丝刀的时候,你就不能一意孤行使用一字螺丝刀。你需要根据实际的情况做决定。没有任何一种编程语言能够取代一切,成为终极编程语言。你需要根据当前岗位的要求,选择使用正确的工具。

  这样我们就要对计算机编程语言有个大致的了解,将来我们会使用哪些编程语言?

  下面,我们首先来看一看这篇论文:《编程语言的能耗》
  如果看过上述论文,你可能对下面这张表格不陌生:

 编程语言的比较

  我见过很多次,各大社交媒体平台上都有人分享这张表格,相信几乎无人不知。但是,在深入研究结果之前,我想先分享一些背景信息。
  关于论文得出的这些结果,首要问题是这些结果是如何测量的。普遍接受的测量 CPU 性能的方法是基准测试。论文的作者也针对多种编程语言实施了基准测试,他们采用了 10 个不同的编程问题,然后通过这些语言解决这些问题,统一采用了“计算机语言基准测试游戏”中定义的算法。
  此外,他们还根据范例对编程语言进行了分类。
  然而,性能测试并没有考虑到编程范式,重要的是编程语言的类型:编译型、解释型,还是使用了虚拟机?编译语言、虚拟机语言和解释语言之间存在明显的性能以及能耗差异。因此,他们针对各个类别,采用这些算法进行测试,这种做法是正确的。

  Google 的统计结果
  C、C++、Rust、Java语言趋势
  Java 的使用量似乎超过了其他编译语言,但 Java 本身的使用量在逐年下降。C 和 C++ 的结果非常接近。但是,Rust 的使用量非常低。这可能是因为它是一种新语言。
  公平地说,虽然相对于 C 和 C++ 来说,Rust确实很新,但它是2010 年 7 月发布的,已经过去12年了,这期间并没有太大的起伏。这个结果与上述论文给出的结果有很大的不同。
  下面,除了Java之外,我们再挑选 4 种不同的语言:Kotlin、Javascript、Python 和 Go。
  流行趋势又变了。Python 最初的流行度很低,但如今已成为炙手可热的编程语言。Java 和 JavaScript 排在第二位。如今的榜首是 Python。
  Google 平台上,自 2004 年以来,Python、JavaScript、Ruby、Swift 和 TypeScript 的趋势看来最终的赢家是 Python!

  TIOBE 指数
  TIOBE 是一家专门评估和跟踪软件质量的公司。你可以通过他们的网站了解更多相关信息(https://www.tiobe.com/)。他们的主要服务是测评软件代码库的质量。他们创建了一个名为TQI(TIOBE Quality Indicator,TIOBE 质量指标)指标。
  该公司创建了一个编程语言指数,名叫“TIOBE指数”。他们利用这个指数,根据搜索引擎的流行趋势来衡量编程语言的性能。

  该指数最新的结果如下:

 

  这与Google流行趋势给出的结果非常接近。然而,根据这个指数,C是排名第二的编程语言,这有点出乎意料。
  很明显,在很长的一段时间里,编程语言一直是 Java 和 C 的天下。后来,Python 流行起来,跃居榜首。我们需要注意,关键在于,流行趋势是不断变化的。以前 Java 是第一,如今变成了 Python。

  那么,我们应该如何衡量编程语言未来的潜力呢?
  未来的可能性
  在过去的 10 年里,机器学习和人工智能一直是热门话题。Python 是此类数值运算的最佳选择,因为它有一个很好的 C API。如果你非常注重性能,那么可以将 Python 与 C、C++ 结合起来。在这种趋势下,根据 Google 搜索引擎和 TIOBE 指数的结果来看,Python 是如今使用最广泛的编程语言。
  然而,这并不意味着 Python 的地位保持不变。最近,有一些编程语言展现出了更好的性能,很有可能会取代 Python,比如 Rust。亚马逊和 Facebook 已经宣布他们改用 Rust 来开发内部的命令行界面工具。另外,Linux 6.1 版本之后,内核也包含了 Rust。近来 Rust 的呼声很高,如你所见,它的排名在一年之内从第 26 位上升到了第 20 位。

  那么,我们究竟该如何预测未来那种语言更流行呢?

  答案
  很抱歉,虽然我们花费了大量篇幅讨论了这么多,但实际上这个问题毫无意义。我们不是政客,没有人给我们预算或金钱支持这些技术趋势。
  那么,我们为什么要不停地比较呢?为什么我们要狂热地支持一种语言或一种技术呢?答案很简单,因为我们懒。我们学习了一种编程语言或技术,就希望围绕这种编程语言或技术建立一个舒适区,然后呆在舒适区内固步自封。
  为什么有人如此狂热地支持 C 和 C++?因为他们不想学习 Rust 这样的新语言。而反过来,有人狂热地支持 Rust,是因为他们不想学 C 和 C++。

### OpenSPG 使用教程概述 OpenSPG 是由蚂蚁集团与 OpenKG 合作开发的知识图谱引擎,基于 SPG(语义增强可编程图)框架构建[^1]。该工具旨在简化知识图谱的创建和管理过程。 #### 安装与环境配置 要开始使用 OpenSPG,需先安装必要的依赖项并设置运行环境。具体步骤如下: - 克隆仓库至本地机器: ```bash git clone https://gitcode.com/gh_mirrors/op/openspg.git cd openspg ``` - 创建虚拟环境并激活: ```bash python3 -m venv env source env/bin/activate ``` - 安装 Python 包: ```bash pip install --upgrade pip setuptools wheel pip install -r requirements.txt ``` #### 数据准备 根据官方文档,在启动之前应准备好待导入的数据源文件。支持多种格式如 CSV、JSON 等,并可通过脚本批量加载到系统中[^2]。 #### 图模式设计 遵循发布的七个最佳实践原则来定义图模式(schema),这是成功建立高效能知识库的关键所在。这些指导方针涵盖了实体识别、关系提取以及属性设定等方面的内容[^3]。 ```python from openspg import SchemaBuilder builder = SchemaBuilder() # 添加节点类型 node_type_person = builder.add_node_type('Person') node_type_company = builder.add_node_type('Company') # 定义边的关系 relation_works_at = builder.define_relationship( from_=node_type_person, to=node_type_company, name="WORKS_AT" ) schema = builder.build() ``` #### 加载预训练模型 对于希望利用最新技术成果的应用场景来说,可以考虑集成新版本中的大型语言模型能力来进行自动化知识抽取工作。此功能允许用户仅需三步就能迅速建立起个性化的知识网络体系。 #### 查询接口调用 完成上述准备工作之后,即可编写应用程序逻辑以实现特定业务需求下的查询操作。得益于 GraphRAG 技术的支持,即使面对复杂的检索请求也能获得精准的结果反馈[^4]。 ```python from openspg.query import QueryEngine engine = QueryEngine() query_result = engine.execute_query(""" MATCH (p: Person {name:"张三"})-[r: WORKS_AT]->(c: Company) RETURN p.name AS person_name, c.name as company_name; """) print(query_result) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小鱼儿一家

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值