论文摘要：基于在线反馈信息的动态编译优化技术研究

在线反应消息引导的编写翻译优化本领（Online Feedback Directed Optimization）被普遍运用于多种动静运转时情况之中，比方，Java，LISP，SELF之类。因为动静编写翻译爆发在步调的实行进程中，以是编写翻译器必需在优化所能带来的本能提高和编写翻译开支上做出“精致”的平衡，以使体例的完全本能到达最优，而很好地做到这一点常常是很艰巨的。在Java假造机中，保守的鉴于插装的Profiling本领常常不许获得本领间的挪用联系，所以，沿用这种体制的动静编写翻译器会流失少许优化时机，比方本领内联。正文经过对步调插装Profiling本领的矫正，实行了鉴于在线反应消息的动静内联战略，该战略不妨越发精确地确定虚本领的接受者东西典型，进而使运用步调的本能获得提高。正文提出的本领内联合中学的连接监察和控制战略不妨在步调运转时对同一挪用点处的虚本领挪用情景举行连接监察和控制。即使虚本领的接受者东西典型爆发变革，该战略不妨精确地检验和测定到这种变革并采用灵验的处置计划，进而普及体例的完全本能。对已编写翻译代码的动静卸载算法不妨在运转时检验和测定出体例中的冗余代码，同声对那些代码以及与其关系的资源举行开释，进而减少体例的负载。经过运转SpecJVM98 和Java Grande Forum Benchmark（JGF）等一系列评测规范，动静内联战略不妨使假造机的本能平衡提高4.01%，内联优化中的连接监察和控制算规则不妨精确地检验和测定到步调中的状况迁徙并采用灵验的应付战略，从而使体例的本能平衡提高6.49%，同声动静卸载算法也不妨在确定水平上减少体例的运转时负载。