这稍微回顾一下前面提到的论点。几十年来，Fortran 一直是高性能计算（主要是线性代数）的首选语言。因此，我们拥有一批非常优秀的数值数学库，这些库维护良好，并针对最新硬件进行了优化。但再次强调，只有熟悉 Fortran 语言的人才能理解这一论点。其他一些语言的数值数学库也同样优秀，即使功能不如 Fortran 语言丰富。更重要的是：你很有可能也能从其他语言中调用这些优秀的 Fortran 库。
总而言之，如果您正在基于一个维护良好的 Fortran 软件包进行构建
那么完全没有必要切换到其他语言。对于特定的新项目，Fortran 与其他任何语言一样都是一个有效 最近的手机号码数据 的选择。即使在科学计算领域，旧的也并不一定意味着过时。
在不久的将来，是否还会有通用的高性能计算 (HPC) 专家？还是每个 HPC 平台都需要各自的专业知识？这是 Robert Roe（推 通过数据集识别内容漏斗中的断点位置 特账号 @ESRobertRoe）在《科学计算世界》杂志十月/十一月刊上发表的文章《下一代软件：谁来编写？ 》中提出的一个引人入胜的问题。
在高性能计算领域
可移植性和性能之间始终存在着矛盾。即使在你针对特定平台优化软件之前，新的硬件 印度尼西亚号码列表 范例也总是会出现。因此，你所能做的最好的事情就是使用一些几乎可以在任何硬件上运行的通用平台，并接受它永远无法最大限度地利用硬件的事实。
如今，各种各样的硬件架构层出不穷。有共享内存（多核）架构，通常使用OpenMP或多线程进行编程。还有分布式内存架构，MPI是其合乎逻辑的选择。此外，还有 GPU 之类的加速器，通常使用CUDA或OpenCL进行处理。大多数现代计算机都采用了这些架构的组合。此外，我们甚至还没有考虑混合 FPGA 或 ARM 平台……
一直以来，我们都希望有一天能再次拥有一个主流的编程模型，让我们能够开发可移植的软件。唯一的问题是，这个编程模型会是哪种，以及它何时会成为主流。