CoSSJIT：在即时编译器中结合静态分析和推测技术

《Proceedings of the ACM on Programming Languages》：CoSSJIT: Combining Static Analysis and Speculation in JIT Compilers

本文提出CoSSJIT方法，结合静态分析和JIT推测优化，识别保守假设场景，引入推测条件，扩展JIT读取静态分析结果，实现5.7倍性能提升，同时保证正确性。

　　

摘要

即时编译器（JIT）通常会为了提高效率而牺牲程序分析的精度，但它们能够根据运行时数据执行复杂的推测性优化，从而生成针对特定执行环境的优化代码。相比之下，静态编译器虽然可以进行精确的流程敏感型跨过程分析，但在某些情况下，如果通过运行时优化可以获得更高的精度，其结果可能会较为保守。在本文中，我们提出了一种前所未有的方法，该方法能够在JIT编译过程中结合推测性优化来增强静态分析的功能，并将其用于生产环境中的Java虚拟机中进行激进的堆栈分配。

我们将静态分析与JIT推测相结合的方法称为CoSSJIT，主要包括三个关键贡献：首先，我们确定了那些静态分析会做出保守假设，而JIT可以通过运行时推测来实现更高精度的场景；其次，我们提出了“推测条件”的概念，并将其集成到静态跨过程数据流分析器中（该分析器的目的是识别可以分配到堆栈上的堆对象），从而生成可以在运行时进行优化的部分结果；最后，我们扩展了生产环境的JIT编译器，使其能够读取并利用推测条件的解析结果来丰富静态分析结果，从而实现了一种高效结合两种优势的方法。更令人惊喜的是：使用CoSSJIT，我们在堆栈分配方面实现了5.7倍的性能提升，同时确保了JIT编译过程中的功能正确性。