追踪即时编译在效果处理和处理器中的应用

《Proceedings of the ACM on Programming Languages》：Tracing Just-in-Time Compilation for Effects and Handlers

Effect handlers作为新兴语言特性，允许非局部且结构化的控制流，但现有实现常因效率牺牲功能。本研究首次评估针对效应处理程序的元追踪即时编译（meta-tracing JIT），通过RPython实现Eff、Effekt、Koka等语言的通用字节码，动态检测热点循环并优化动态控制流。实验表明，该方法在复杂效应场景下性能提升显著，但简单递归场景收益有限。与主流语言实现相比，平均性能提升达3.2倍，尤其在异步和异常处理领域表现突出。

　　

摘要

效果处理器（effect handlers）是一种近年来逐渐流行的编程语言特性。它们允许实现非局部但结构化的控制流，并涵盖了生成器（generators）、异常处理（exceptions）、异步性（asynchronicity）等特性。然而，目前的实现方式往往为了追求高效性而牺牲了一些功能。元追踪（meta-tracing）即时（JIT）编译器通过引入解释器的方式，有望提升编译器的性能。这些编译器会记录程序的执行过程，动态检测热点循环（hot loops），并利用运行时可获得的信息对这些循环进行优化。它们在优化动态控制流方面表现出色，而这正是效果处理器所引入的核心功能。我们首次针对效果处理器专门评估了追踪式即时编译技术的性能。为此，我们基于RPython为Eff、Effekt和Koka语言开发了追踪式即时编译器实现，并将它们编译为统一的字节码格式。我们评估了这些编译器的性能，讨论了哪些类型的效果程序能够得到较好的优化效果，以及我们的额外优化措施对性能的影响。同时，我们还将其与主流编程语言的最新实现进行了基准测试。