聊一聊 JIT 即时编译

最新推荐文章于 2024-09-19 14:32:01 发布

有理想的菜鸡

最新推荐文章于 2024-09-19 14:32:01 发布

阅读量326

点赞数

文章标签： java 编程语言人工智能 jvm python

本文链接：https://blog.csdn.net/w_j_g_/article/details/114275202

版权

良心公众号

关注不迷路

JIT 编译器，全称 Just In Time Compiler，被称作即时编译器。

JIT 的应用背景

只看定义，并不能很清楚地了解 JIT 编译器的真实面目。这一切还要从 Java 语言的自身特点说起。

Java 语言有一个重要的特性，“一次编译，到处运行”。该特性是依赖于“字节码”这样一种中间形式来实现的。具体来说，要想运行一段 Java 程序，首先需要利用 javac 将程序编译成字节码，但由于计算机并不认识字节码，只认识机器码，因此，还需要一个被称为“解释器”的翻译官，将字节码逐条解释为机器码，从而使代码最终得以执行。

按照上面的描述，Java 程序要想被计算机成功执行，就必须先经过编译和解释这两个步骤，因此，Java 又被称为“解释型”语言。而对于 C++ 这种语言来说，C++ 程序在执行之前会直接被编译器编译成机器码，而没有字节码这样的中间状态，也就没有了解释执行这一步骤。因此，曾经流行这样一种说法，C++ 的执行效率要高于 Java。不过，也正因为没有字节码这样的中间状态，C++ 也很难像 Java 一样做到“一次编译，到处运行”。

听起来有一种“鱼与熊掌不可兼得”的意味，但其实并非如此，或者说，这其间还是有优化空间的。而 JVM 在这方面的探索，就是引入了本文要讲述的 JIT 编译器。

JIT 的基本思路

JIT 编译器的基本思路是这样的，既然解释执行太慢，那就将字节码进一步编译成适用于本地计算机的机器码。按照这种思路，就可以既保证平台无关性，又能进一步提升效率。进一步考虑，将字节码编译成机器码也是需要时间的，因此，如果某些指令执行的频率相当低，此时编译成机器码对系统效率的提升可以说是收效甚微，甚至是负收益，此时就可以继续保持解释执行的方式，而对于那些执行频率较高的指令，编译成机器码的收益自然就十分明显了。

可以用下图来大致描述 JVM 中引入 JIT 的基本思路。

图中红色方块中的编译，其实就是文章开头提到的 JIT 编译器在发挥作用。

两大类 JIT 编译器

进一步来看，JVM 集成了两类编译器，分别称之为 Client Compiler 和 Server Compiler。它们的主要特点如下：

Client Compiler 注重启动速度和局部的可靠的优化。该类编译器是 GUI 应用程序的理想选择。
Server Compiler 注重全局优化，优化方式更加激进，因此，在一般情况下，它的整体性能会更好，但不可避免地是，全局优化需要进行更多的全局分析，这会导致启动速度变慢。该类编译器是长期运行的服务器端应用程序的理想选择。

可以看到，两类编译器有着不同的应用场景，在虚拟机中共同发挥作用。

以 HotSpot 虚拟机为例，它的 Client Compiler 被称作 C1 编译器，而 Server Compiler 主要有两种：C2 编译器和自 JDK10 开始引入的 Graal 编译器 (实验性)。

C1 编译器

C1 编译器主要做以下工作：

对字节码进行基础优化，包括方法内联、常量传播等。
将字节码构造成一种与目标机器指令集无关的高级中间代码表示 (HIR)，并对其进行一些优化，包括空值检查消除、范围检查消除等。
从 HIR 中产生与目标机器指令集相关的低级中间代码表示 (LIR)，并在 LIR 的基础上进行寄存器分配、窥孔优化等操作，最终生成机器码。

对于 C1 编译器的大致工作流程可以用下图进行表示：

C2 编译器

C2 编译器主要做以下工作：

对字节码进行解析，构建一种被称作 Ideal Graph 的图数据结构，用来表示程序的数据流向和指令之间的依赖关系。在解析字节码的过程中，JVM 会进行指令优化，包括 Global Value Numbering、常量折叠等，解析成功之后，会做一些包括死代码剔除等在内的优化工作。
JVM 判断是否需要进行全局优化，如果需要则进行全局优化，否则跳过。
生成 MachNode Graph，进行寄存器分配、窥孔优化等操作，并最终生成机器码。

对于 C2 编译器的大致工作流程可以用下图进行表示：