《Java 虚拟机》运行期优化

简介: 《Java 虚拟机》运行期优化

🟧1. 分层编译

为了在程序启动响应速度与运行效率之间达到最佳平衡,HotSpot 虚拟机启用了分层编译(Tiered Compilation)的策略,。分层编译根据编译器编译、优化的规模与耗时,划分出不同的编译层次:


第 0 层:程序解释执行,解释器不开启性能监控功能(Profiling),可触发第一层编译。

第 1 层:使用 C1 即时编译器编译执行(不带 profiling)

第 2 层:使用 C1 即时编译器编译执行(带基本的 profiling)

第 3 层:使用 C1 即时编译器编译执行(带完全的 profiling)

第 4 层:使用 C2 即时编译器编译执行,将字节码编译为本地代码。

profiling 是指在运行过程中收集一些程序执行状态的数据,例如【方法的调用次数】,【循环的 回边次数】等。


即时编译器(JIT)与解释器的区别:


解释器

1.1 将字节码解释为机器码,下次即使遇到相同的字节码,仍会执行重复的解释

1.2 是将字节码解释为针对所有平台都通用的机器码

即时编译器

2.1 JIT(Just In Time Compiler) 是将一些字节码编译为机器码,并存入 Code Cache,下次遇到相同的代码,直接执行,无需再编译

2.2 根据平台类型,生成平台相关的机器码

对于大部分的不常用的代码,我们无需耗费时间将其编译成机器码,而是采取解释执行的方式运行;另一方面,对于仅占据小部分的热点代码,我们则可以将其编译成机器码,以达到理想的运行速度。 执行效率上简单比较一下 Interpreter < C1 < C2,总的目标是发现热点代码(hotspot 名称的由来),并优化这些热点代码。


🟧2. 逃逸分析

逃逸分析(Escape Analysis)简单来讲就是,Java Hotspot 虚拟机可以分析新创建对象的使用范围,并决定是否在 Java 堆上分配内存的一项技术。


逃逸分析的 JVM 参数如下:


开启逃逸分析:-XX:+DoEscapeAnalysis

关闭逃逸分析:-XX:-DoEscapeAnalysis

显示分析结果:-XX:+PrintEscapeAnalysis

逃逸分析技术在 Java SE 6u23+ 开始支持,并默认设置为启用状态,可以不用额外加这个参数。

🟠2.1 对象逃逸状态

1、全局逃逸(GlobalEscape)


一个对象的作用范围逃出了当前方法或者当前线程,有以下几种场景:


对象是一个静态变量,类变量

对象是一个已经发生逃逸的对象,可以在其他线程中访问到

作为调用参数传递到其他方法中

2、参数逃逸(ArgEscape)


一个对象被作为方法参数传递或者被参数引用,但在调用过程中不会发生全局逃逸,这个状态是通过被调方法的字节码确定的。


3、没有逃逸


方法中的对象没有发生逃逸。

🟠2.2 逃逸分析优化

针对上面第三点,当一个对象没有逃逸时,可以得到以下几个虚拟机的优化。

🔸2.2.1 同步消除

线程同步是一个相对耗时的过程,如果逃逸分析能够确定一个变量不会逃出线程,无法被其他线程访问,那么读写就不存在竞争了,对这个变量的同步措施可以消除掉了。


例如,StringBuffer 和 Vector 都是用 synchronized 修饰线程安全的,但大部分情况下,它们都只是在当前线程中用到,这样编译器就会优化移除掉这些锁操作。


锁消除的 JVM 参数如下:


开启锁消除:-XX:+EliminateLocks

关闭锁消除:-XX:-EliminateLocks

同步消除(锁消除)在 JDK8 中都是默认开启的,并且锁消除都要建立在逃逸分析的基础上。

🔸2.2.2 标量替换

首先要明白标量和聚合量,基础类型和对象的引用可以理解为标量,它们不能被进一步分解。而能被进一步分解的量就是聚合量,例如 Java 中的对象。


如果把一个 Java 对象拆散,根据程序访问的情况,将其使用到的成员变量恢复原始类型来访问就叫做标量替换。


这样,如果一个对象没有发生逃逸,那程序在执行时压根就不用创建它,而改为直接创建它的若干个被这个方法使用到的成员变量来代替,将对象拆分后,只会在栈上或者寄存器上创建它用到的成员标量,节省了内存空间,也提升了应用程序性能。


标量替换的 JVM 参数如下:


开启标量替换:-XX:+EliminateAllocations

关闭标量替换:-XX:-EliminateAllocations

显示标量替换详情:-XX:+PrintEliminateAllocations

标量替换同样在 JDK8 中都是默认开启的,并且都要建立在逃逸分析的基础上。

🔸2.2.3 栈上分配

当对象没有发生逃逸时,该对象就可以通过标量替换分解成成员标量分配在栈内存中,和方法的生命周期一致,随着栈帧出栈时销毁,减少了 GC 压力,提高了应用程序性能。


🟧3. 方法内联

🟠3.1 内联函数

C++ 是否为内联函数由自己决定,Java 由编译器决定。Java 不支持直接声明为内联函数,如果想让它内联,你只能够向编译器提出请求: 关键字 final 修饰 用来指明那个函数是希望被 JVM内联的,如:

public final void doSomething() {  
      // to do something  
}

总的来说,一般的函数都不会被当做内联函数,只有声明了 final 后,编译器才会考虑是不是要把你的函数变成内联函数。


JVM 内建有许多运行时优化,首先短方法更利于JVM 推断。流程更明显,作用域更短,副作用也更明显。如果是长方法 JVM 可能直接就崩了。

🟠3.2 方法内联

如果 JVM 监测到一些小方法被频繁的执行,它会把方法的调用替换成方法体本身,如:

private int add4(int x1, int x2, int x3, int x4) { 
    //这里调用了add2方法
      return add2(x1, x2) + add2(x3, x4);  
  }  
  private int add2(int x1, int x2) {  
      return x1 + x2;  
  }

方法调用被替换后

private int add4(int x1, int x2, int x3, int x4) {  
  //被替换为了方法本身
    return x1 + x2 + x3 + x4;  
}
相关文章
|
26天前
|
Java 流计算
利用java8 的 CompletableFuture 优化 Flink 程序
本文探讨了Flink使用avatorscript脚本语言时遇到的性能瓶颈,并通过CompletableFuture优化代码,显著提升了Flink的QPS。文中详细介绍了avatorscript的使用方法,包括自定义函数、从Map中取值、使用Java工具类及AviatorScript函数等,帮助读者更好地理解和应用avatorscript。
利用java8 的 CompletableFuture 优化 Flink 程序
|
25天前
|
缓存 算法 Java
Java中的内存管理:理解与优化
【10月更文挑战第6天】 在Java编程中,内存管理是一个至关重要的主题。本文将深入探讨Java内存模型及其垃圾回收机制,并分享一些优化内存使用的策略和最佳实践。通过掌握这些知识,您可以提高Java应用的性能和稳定性。
43 4
|
7天前
|
Java 数据库连接 数据库
优化之路:Java连接池技术助力数据库性能飞跃
在Java应用开发中,数据库操作常成为性能瓶颈。频繁的数据库连接建立和断开增加了系统开销,导致性能下降。本文通过问题解答形式,深入探讨Java连接池技术如何通过复用数据库连接,显著减少连接开销,提升系统性能。文章详细介绍了连接池的优势、选择标准、使用方法及优化策略,帮助开发者实现数据库性能的飞跃。
16 4
|
4天前
|
存储 Java 开发者
成功优化!Java 基础 Docker 镜像从 674MB 缩减到 58MB 的经验分享
本文分享了如何通过 jlink 和 jdeps 工具将 Java 基础 Docker 镜像从 674MB 优化至 58MB 的经验。首先介绍了选择合适的基础镜像的重要性,然后详细讲解了使用 jlink 构建自定义 JRE 镜像的方法,并通过 jdeps 自动化模块依赖分析,最终实现了镜像的大幅缩减。此外,文章还提供了实用的 .dockerignore 文件技巧和选择安全、兼容的基础镜像的建议,帮助开发者提升镜像优化的效果。
|
27天前
|
分布式计算 大数据 Java
大数据-86 Spark 集群 WordCount 用 Scala & Java 调用Spark 编译并打包上传运行 梦开始的地方
大数据-86 Spark 集群 WordCount 用 Scala & Java 调用Spark 编译并打包上传运行 梦开始的地方
17 1
大数据-86 Spark 集群 WordCount 用 Scala & Java 调用Spark 编译并打包上传运行 梦开始的地方
|
9天前
|
缓存 前端开发 JavaScript
9大高性能优化经验总结,Java高级岗必备技能,强烈建议收藏
关注【mikechen的互联网架构】,10年+BAT架构经验倾囊相授。本文介绍了9种性能优化方法,涵盖代码优化、数据库优化、连接池调优、架构层面优化、分布式缓存、异步化、Web前端优化、服务化、硬件升级、搜索引擎和产品逻辑优化。欢迎留言交流。
|
10天前
|
存储 Dart Java
Dart 虚拟机运行原理
【10月更文挑战第20天】Dart 虚拟机通过一系列复杂的机制和操作,确保 Dart 代码能够准确、高效地执行。它为 Dart 语言的广泛应用提供了坚实的基础和可靠的运行环境
17 6
|
9天前
|
存储 缓存 Java
Java应用瘦身记:Docker镜像从674MB优化至58MB的实践指南
【10月更文挑战第22天】 在容器化时代,Docker镜像的大小直接影响到应用的部署速度和运行效率。一个轻量级的Docker镜像可以减少存储成本、加快启动时间,并提高资源利用率。本文将分享如何将一个Java基础Docker镜像从674MB缩减到58MB的实践经验。
21 1
|
10天前
|
消息中间件 监控 算法
Java性能优化:策略与实践
【10月更文挑战第21】Java性能优化:策略与实践
|
10天前
|
SQL 监控 Java
Java性能优化:提升应用效率与响应速度的全面指南
【10月更文挑战第21】Java性能优化:提升应用效率与响应速度的全面指南