使用Symbolics创建的Julia函数编译耗时过长的原因与优化

我是Julia的新手，可能忽略了一些基础问题。我使用Symbolics包创建函数，代码如下：

_, f = build_function(F, x)
write("function.jl", string(f))
myf = include("function.jl")

其中F是符号多项式向量值函数，x是符号向量。首次调用myf时，Julia耗时极长（可达1小时）才返回结果，但后续调用仅需纳秒级时长。使用precompile时也需要同样久的时间，因此我认为是编译器编译myf耗时过长。请问这是什么原因？有什么缓解方法吗？

附：以下是function.jl的部分内容，供参考

function (ˍ₋out, ˍ₋arg1)
begin
    begin
        @inbounds begin
                    ˍ₋out[1] = 1.0       
                    [...]
                    ˍ₋out[48] = ˍ₋arg1[47]
                    ˍ₋out[49] = (+)(-0.7071067811865475, (*)(0.7071067811865475, (^)(ˍ₋arg1[1], 2)))
                    ˍ₋out[50] = (*)(ˍ₋arg1[1], ˍ₋arg1[2])
                    ˍ₋out[51] = (*)(ˍ₋arg1[1], ˍ₋arg1[3])
                    [...]
                    ˍ₋out[74308] = (*)((*)((*)(ˍ₋arg1[36], ˍ₋arg1[4]), ˍ₋arg1[47]), ˍ₋arg1[6])
                    ˍ₋out[74309] = (*)((*)((+)(-0.7071067811865475, (*)(0.7071067811865475, (^)(ˍ₋arg1[37], 2))), ˍ₋arg1[4]), ˍ₋arg1[6])
                    ˍ₋out[74310] = (*)((*)((*)(ˍ₋arg1[37], ˍ₋arg1[38]), ˍ₋arg1[4]), ˍ₋arg1[6])
                    [...]
                    nothing        
        end
    end
end
end

原因分析 #

• 函数规模过大：从示例能看到输出向量包含7万多个元素，每个元素对应独立的表达式，编译器需要逐一完成类型推断、代码优化、机器码生成等步骤，单次编译的计算量极大，自然耗时久。
• 代码生成风格问题：Symbolics生成的代码用了(+)、(*)这类前缀调用形式，而非常规的中缀运算符，这会增加编译器需要处理的函数调用节点数量，进一步拉长编译时间。
• JIT编译特性：Julia是即时编译语言，首次执行函数时才会完成全部编译流程，这类巨型函数的编译开销远超普通函数；后续调用直接复用已生成的机器码，所以速度极快。

缓解方法 #

• 拆分巨型函数：把输出向量分成若干个小块，每个小块对应一个子函数，让编译器分批处理，减少单次编译的压力，同时也能利用编译的并行性。
• 优化代码生成参数：调用build_function时，指定expression=Val{false}生成更紧凑的代码，或者选择target=:llvm等更贴近底层的目标，减少编译器的优化负担；也可以添加@fastmath标记让生成的代码更简洁高效。
• 预编译系统镜像：用PackageCompiler将函数和依赖的包一起编译成系统镜像，启动Julia后直接加载镜像，跳过即时编译步骤，彻底解决首次调用慢的问题。
• 避免文件IO环节：直接使用build_function返回的函数对象，无需写入文件再include，减少额外的代码解析和IO开销，提升编译效率。
• 使用生成函数：借助Julia的@generated宏，将部分计算逻辑转移到编译阶段，优化编译流程，降低运行时的编译压力。

内容的提问来源于stack exchange，提问作者CaG