[发明专利]即时编译器中一种基于云的热路径优化方法

说明书

技术领域

本发明涉及即时编译器和热路径技术，具体是即时编译器中一种基于云的热路径优化方法。

背景技术

即时编译器（Just-In-Time Compiler，JIT编译器）是一种广泛应用于Java虚拟机、Dalvik虚拟机（运行Android程序的虚拟机）以及其他语言虚拟机中的编译系统。即时编译器与传统编译系统的差别在于，它并不预先将被执行程序编译为目标代码，而是在程序运行时，将那些需要被执行的代码即时的编译成目标代码，再予以执行。

由于即时编译器是在程序运行时进行编译，因此编译器本身消耗的运行时间和空间都有所限制，这也使得即时编译器中的各种优化方法倾向于采用轻量级的、较快的算法，同时，针对即时编译器的运行特征，扑捉并针对程序运行的“热路径（JIT-Trace）”进行编译，是一种重要的兼顾优化效果和优化开销的折中机制。

以Dalvik虚拟机为例，如图1所示，它在启动初始化时，开始解释执行字节码，当解释程序的某段代码被调用时，字节码解释程序会记录被标记的代码执行的次数（profile count），并检测是否达到编译阀值，如果达到编译的条件，则说明该段代码为一“热路径”，切换到JIT编译器模式查找相对应的Trace入口，若不存在对应的Trace，则解释或创建Trace建立请求并提交编译请求，启动编译器线程对热路径进行编译；若存在对应的Trace，则查看是否已被编译，若未被编译，则构建编译单元，生成中间代码，在JIT-Code中对热路径进行编译。解释直到读取下一个Trace记录的头部head为止。热路径被编译后，执行编译后的机器码。与解释器模式相比，JIT编译器生成后的代码运行速度更快，字节码执行效率更好；但同时JIT编译本身也会占用较多的时间和空间资源，造成Android程序运行“卡壳”的现象；热路径的统计和计算本身也会占用大量资源；另外，JIT也存在相关的平台相关性，开发维护成本较高等问题。

发明内容

本发明针对现有热路径在即时编译器中存在的占用资源量大，开发维护成本高等问题，提出了即时编译器中一种基于云的热路径优化方法。

本发明的即时编译器中一种基于云的热路径优化方法，针对某一程序，进行如下步骤：

步骤一、当程序空闲时，判断本地即使编译器中的热路径是否有更新，若有，则执行步骤二，否则，转步骤三执行；所述的本地即使编译器中的热路径存储为Jit-Trace格式的数据结构，该数据结构包括一个字节码方法和包含该字节码方法的执行路径。

步骤二、将本地Jit-Trace格式数据转换为Native-Jit-Traces格式数据，准备进行云端上传；所述的Native-Jit-Traces格式数据包括数据头和路径数据两部分；数据头包含程序标识符和版本号Cloud-Jit，程序标识符包括程序的包名、签名和版本号，版本号Cloud-Jit用于标识程序的热路径信息版本；路径数据部分以<字节码方法，执行路径数组>的键值对方式组织，执行路径数组中包含对应字节码方法的Jit-Trace格式中的各执行路径，一个键值对为一个热路径。

步骤三、将位于本地的Native-Jit-Traces格式数据上传到云端，云端对具有相同程序标识符的所有Native-Jit-Traces格式数据进行统计整理，生成Cloud-Jit-Traces格式数据，并存储在云端资源池中；

所述的Cloud-Jit-Traces格式数据包括程序的标识符，版本号Cloud-Jit，以及路径数据，路径数据以<字节码方法，执行路径数组，统计数据>的键值对方式组织，其中，统计数据为相应字节码方法的统计次数。一个键值对对应一个热路径。

步骤四、在本地程序初始化或者本地程序空闲时，从云端下载对应程序的经过统计处理的Cloud-Jit-Traces格式数据，并将热路径加入到虚拟机的即时编译队列中。

所述的步骤一中的Jit-Trace格式的数据结构，其包含的字节码方法中存储了所属类索引、方法ID、入口地址及参数信息，其包含的每条执行路径存储了路径的入口点、出口点、字节码指令数及代码标识。