- Java 双重比较
- java - 比较器与 Apache BeanComparator
- Objective-C 完成 block 导致额外的方法调用?
- database - RESTful URI 是否应该公开数据库主键?
我知道 Microsoft .NET 使用 CLR 作为 JIT 编译器,而 Java 有 Hotspot。它们之间有什么区别?
最佳答案
它们是非常不同的野兽。正如人们指出的那样,CLR 在执行一段 MSIL 之前先编译为机器代码。除了典型的死代码消除和内联私有(private)优化之外,这还允许它利用目标机器的特定 CPU 架构(尽管我不确定它是否这样做)。这也会对每个类造成影响(尽管编译器相当快,而且许多平台库只是 Win32 API 之上的一个薄层)。
HotSpot 虚拟机采用了不同的方法。它规定大部分代码很少执行,因此不值得花时间编译它。所有字节码都以解释模式开始。 VM 在调用点保留统计信息并尝试识别调用次数超过预定义次数的方法。然后,它使用快速 JIT 编译器 (C1) 仅编译这些方法,并在运行时交换方法(这是 HS 的特殊之处)。在 C1 编译的方法被多次调用后,相同的方法会被缓慢但复杂的编译器编译,并且代码会在运行中再次交换。
由于 HotSpot 可以在运行时交换方法,VM 编译器可以执行一些在静态编译代码中不安全的推测优化。一个典型的例子是单态调用的静态分派(dispatch)/内联(只有一个实现的多态方法)。如果 VM 发现此方法始终解析为同一目标,则会执行此操作。过去复杂的调用被简化为一些 CPU 指令保护,这些指令由现代 CPU 预测和流水线化。当保护条件不再为真时,虚拟机可以采用不同的代码路径,甚至可以退回到解释模式。根据统计数据和程序工作量,不同时间生成的机器码可能不同。许多这些优化依赖于程序执行期间收集的信息,如果您在加载类时编译一次,则不可能实现。
这就是为什么在对算法进行基准测试时需要预热 JVM 并模拟实际工作负载(倾斜的数据可能导致对优化的不切实际的评估)。其他优化有锁省略、自适应自旋锁、逃逸分析和堆栈分配等。
也就是说,HotSpot 只是虚拟机之一。 JRockit、Azul、IBM 的 J9 和 Resettable RVM,都有不同的性能配置文件。
关于java - Java和.Net在JIT上有什么区别,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/2506969/
在动态语言中,动态类型代码 JIT 是如何编译成机器码的?更具体地说:编译器是否会在某个时候推断类型?还是在这些情况下严格解释? 例如,如果我有类似下面的伪代码 def func(arg) i
X86 和 AMD64 是许多计算环境(桌面、服务器和 super 计算机)最重要的架构。显然,JIT 编译器应该同时支持它们才能获得认可。 直到最近,SPARC 架构才是编译器合乎逻辑的下一步,特别
既然有如此多的 JIT 实现,每个 JIT 都会发出 native 代码。那么为什么没有人制作像 JIT2EXE 这样的工具来将 native 代码保存为 native 可执行文件呢? 最佳答案 这个
JIT 编译器将字节码编译成机器码的概念我还是不太清楚。我想知道为什么它比非 JIT 解释器产生更快的代码。有人可以给我一个很好的例子来说明这个过程是如何完成的吗? 最佳答案 假设您有一个需要执行一百
Torchscript 提供了 torch.jit.trace 和 torch.jit.script 将 pytorch 代码从 Eager 模式转换为脚本模型。从文档中,我可以理解 torch.ji
好的,我已经阅读了一些关于 JIT 和非 JIT 启用解释器之间差异的讨论,以及为什么 JIT 通常会提高性能。 但是,我的问题是: 最终,不支持 JIT 的解释器是否必须像 JIT 编译器那样将字节
有没有办法在消除 JIT 开销的同时实现 JIT 性能?最好通过将类文件编译为 native 镜像。 我研究过GCJ,但即使对于简单的程序,GCJ输出的性能也比Java JIT差很多。 最佳答案 您可
我试图更好地理解 JIT 编译器在 volatile 变量值缓存方面如何为 java 工作。考虑这个问题中提出的例子: Infinite loop problem with while loop an
我的代码是这样的: @jit(nopython=True) def sum_fn(arg1, arg2, ...argn): ..... for i in xrange(len(arg
以下代码无效: def get_unique(arr): return jnp.unique(arr) get_unique = jit(get_unique) get_unique(jnp.
我需要能够调用一个 GPU 函数,该函数本身间接调用另一个 GPU 函数: from numba import cuda, jit import numpy as np # GPU function
我有一个关于使用 Continuum 的 Accelerate 和 numba 包中的 Python CUDA 库的问题。正在使用装饰器@jit与 target = gpu同 @cuda.jit ?
有人可以指出我的方向,这可能会让我明白为什么 JIT 会取消优化我的循环? (OSR)。看起来它被 C1 编译一次,然后多次取消优化(我可以看到数十或数百个以 开头的日志) 这是包含该重要循环的类:
我引用了Oracle的以下文档: http://docs.oracle.com/cd/E13150_01/jrockit_jvm/jrockit/geninfo/diagnos/underst_jit
我需要在 C++ 中运行预训练的 pytorch 神经网络模型(在 python 中训练)来进行预测。 为此,我按照此处给出的有关如何在 C++ 中加载 pytorch 模型的说明进行操作:https
我正在使用 numbas @jit 装饰器在 python 中添加两个 numpy 数组。如果我使用 @jit 与 python 相比,性能是如此之高。 然而,即使我传入 @numba.jit(nop
我是Python新手。 我编写了一些代码尝试将图片混合为新图片。 我完成了,但是浪费了太多时间。 所以我尝试使用 Numba 让代码在我的 GPU 上运行。但遇到一些警告和错误 os Ubuntu 1
我正在将我的网站从安装在共享网络托管帐户(在 DreamHost)上的 PHP v.5 转换为在 PHP 7.3.11 上运行。转换后,我开始注意到偶尔会收到以下警告: Warning: preg_m
在 Stack Overflow 上向所有编译器设计者致以问候。 我目前正在从事一个项目,该项目的重点是开发一种用于高性能计算的新脚本语言。源代码首先被编译成字节码表示。字节码然后由运行时加载,它对其
我相信 Apple 已禁止在 ARM64 架构上同时写入和执行内存,请参阅: 参见 mmap() RWX page on MacOS (ARM64 architecture)? 这使得像 jonesf
我是一名优秀的程序员,十分优秀!