V8 引入全新的非优化 JS 编译器 —— Sparkplug

想要编写高性能的 JavaScript 引擎，光是有高度优化的编译器（如 TurboFan）是不够的。特别是对于短生命周期的会话（例如加载网站或命令行工具），在高优化编译器开始优化之前就已经有很多工作要做，更没有时间去生成什么优化代码了。

正因如此，自 2016 年起，我们不再跟踪综合基准测试（如 Octane）的成绩，而是转而去衡量实际场景中的性能表现。并且从那时起，我们就一直在努力研究如何提升高优化编译器作用范围之外的 JavaScript 性能。这意味着我们需要在解析器、流式处理、对象模型、垃圾收集中的并发性、缓存编译后的代码等事项上逐个攻关……每一个领域都有新鲜的感觉。

当我们转向提升现实场景中初始 JavaScript 的执行性能，我们在优化解析器时开始遇到诸多局限。V8 的解析器经过高度优化，速度极快，但解析器总有一些固有开销是我们无法摆脱的；字节码解码开销或调度开销是解析器功能的内在组成部分。

基于我们目前的双编译器模式，我们很难更快地升级（tier-up）到优化代码；我们可以（并且正在）提升优化的效果，但在某些时候，想要提升速度就只能去掉一些优化项，但这会降低峰值性能。更糟糕的是，我们还无法提前优化进程，因为我们还没有稳定的对象形态反馈。

今天我们向大家介绍 Sparkplug：这是我们将随 V8 v9.1 发布的，全新的非优化 JavaScript 编译器，位于 Ignition 解析器和 TurboFan 优化编译器之间。

这是一款速度很快的编译器

Sparkplug 的设计目标是快速编译。非常快，如此之快，让我们可以随时随地进行编译，于是我们就可以比 TurboFan 代码更积极地升级到 Sparkplug 代码。

Sparkplug 编译器的速度来自于一些技巧。首先，它会作弊；它所编译的函数已经被编译为字节码，并且字节码编译器已经完成了大多数艰苦的工作，例如变量解析、弄清楚括号是否实际上是箭头函数、消除结构化语句等等。Sparkplug 从字节码而不是 JavaScript 源代码进行编译，因此不必操心这些麻烦的事情。

第二招是，Sparkplug 不会像大多数编译器那样生成任何中间表示（IR）。相反，Sparkplug 通过字节码的一次线性 pass 直接编译为机器码，并发出与该字节码的执行相匹配的代码。实际上，整个编译器是一个 for 循环内的一个 switch 语句，分派给固定的，按字节码的机器码生成函数。

for (; !iterator.done(); iterator.Advance()) {
  VisitSingleBytecode()
}

缺少 IR 意味着编译器的优化机会有限，只能做一些非常本地的小幅度优化。这也意味着我们必须将整个实现分别移植到我们支持的每种架构上，因为这里没有架构无关的中间阶段。但事实证明这些都不是问题：快速编译器是简单编译器，因此代码很容易移植；并且 Sparkplug 不需要大量优化，因为我们稍后会在管道中提供优化效果很出色的编译器。

从技术上讲，我们目前对字节码进行了两次 pass——一次用来发现循环，第二次生成实际代码。不过，我们最终的计划是摆脱第一个。

解析器兼容框架

向现有的成熟 JavaScript VM 添加新的编译器是一项艰巨的任务。除了标准执行之外，你还需要支持各种各样的事情；V8 有一个调试器、一个 stack-walking CPU profiler、针对异常的堆栈跟踪、集成到升级、堆栈替换以优化代码实现热循环……实在很多。

Sparkplug 巧妙地简化了所有这些问题，具体方法就是保持一个“与解析器兼容的堆栈框架”。

稍微解释下。堆栈框架（Stack frame）是代码执行存储函数状态的方式。每当你调用一个新函数时，它都会为该函数的局部变量创建一个新的堆栈框架。一个堆栈框架由一个框架指针（标记其开始）和一个堆栈指针（标记其结束）定义：

看到这里，很多读者会表示抗议：“这张图不对啊，堆栈明显是朝着相反的方向的！”。别急，我为你做了一个按钮：

当一个函数被调用时，返回地址被推入这个堆栈；该函数返回时会弹出它，来知道该返回到何处。然后，当该函数创建一个新框架时，它将旧的框架指针保存在堆栈上，并将新的框架指针设置为指向它自己的堆栈框架的起始。因此，这个堆栈有了一个框架指针链，每个框架指针都指向前一个框架的起始：

严格来说这只是一个约定，后面是生成的代码，它不是必需的。不过这是一种相当常见的方式；唯一真正中断的一次是堆栈框架完全清除的时候，或者可以改用调试边表（side-table）遍历堆栈框架的时候。

这是针对所有函数类型的常规堆栈布局；然后是关于如何传递参数，以及函数如何在其框架中存储值的约定。在 V8 中，我们有针对 JavaScript 框架的约定，即在调用函数之前将参数（包括接收器）以相反的顺序推入堆栈，并且堆栈上的前几个槽为：被调用的当前函数；被调用的上下文；以及传递的参数数量。这是我们的“标准”JS 框架布局：

这个 JS 调用约定在优化框架和解析框架之间共享，这样一来，当我们在调试器的性能面板中调优代码时，就能以最小的开销遍历堆栈，诸如此类。

对于 Ignition 解析器来说，约定变得更加显式。Ignition 是基于寄存器的解析器，这意味着存在一些虚拟寄存器（请勿与机器寄存器混淆！）来存储解析器的当前状态——其中包括 JavaScript 函数的本地变量（var/let/const 声明）和临时值。这些寄存器与要执行的字节码数组指针，以及该数组中当前字节码的偏移量一起存储在解析器的堆栈框架中：

Sparkplug 会有意创建并维护一个与解析器的框架相匹配的框架布局；只要解析器存储一个寄存器值，Sparkplug 也会存储一个值。这样做有几个原因：

1. 它简化了 Sparkplug 的编译过程；Sparkplug 可以只镜像解析器的行为，而无需保留从解析器寄存器到 Sparkplug 状态的某种映射。
2. 由于字节码编译器完成了分配寄存器的重活儿，因此它还加快了编译速度。
3. 它大大简化了与系统其余部分的集成工作。调试器、profiler、异常堆栈展开、堆栈跟踪打印，所有这些操作都会执行堆栈遍历以发现当前正在执行的函数堆栈，并且所有这些操作都不需要做什么更改就能继续搭配 Sparkplug，因为就它们而言，它们有的只是一个解析器框架。
4. 它简化了堆栈替换（OSR）。OSR 是指在执行过程中替换当前正在执行的函数；当前，当一个已解析函数在一个热循环内（在该循环中它升级为优化代码），以及在优化代码取消优化（在其降级并继续在解析器中执行该函数）时，就会发生这种情况。使用 Sparkplug 框架镜像解析器框架时，任何适用于解析器的 OSR 逻辑都将适用于 Sparkplug；更棒的是，我们可以在解析器和 Sparkplug 代码之间切换，而框架转换开销几乎为零。

我们对解析器堆栈框架做了一个小更改，即在 Sparkplug 代码执行期间，我们不让字节码偏移保持最新。相反，我们存储一个从 Sparkplug 代码地址范围到对应的字节码偏移量的双向映射。这是一种相对简单的编码映射，因为 Sparkplug 代码是直接从字节码上的一个线性遍历发出的。每当一个堆栈框架访问想要知道一个 Sparkplug 框架的“字节码偏移量”时，我们都会在此映射中查找当前执行的指令，并返回相应的字节码偏移量。类似地，每当我们想将 OSR 从解析器转换为 Sparkplug 时，我们都可以在映射中查找当前字节码偏移量，然后跳转到相应的 Sparkplug 指令。

你可能会注意到，我们现在在堆栈框架上有一个未使用的插槽，字节码偏移量就会在这个插槽上。由于我们希望保持堆栈的其余部分不变，因此我们不能放弃它。我们重新调整了这个堆栈插槽的功能，让它为当前正在执行的函数缓存“反馈向量”。这是用于存储对象形态数据的向量，大多数操作都需要加载它。我们要做的只是谨慎一点对待 OSR，确保我们为这个插槽要么换入正确的字节码偏移量，要么换入正确的反馈向量。

于是 Sparkplug 堆栈框架为：

一个 V8 Sparkplug 堆栈框架

交给内置代码

实际上，Sparkplug 很少生成自己的代码。JavaScript 语义很复杂，即使执行最简单的操作也需要大量代码。由于多种原因，强制 Sparkplug 在每次编译时内联重新生成这些代码都是不好的：

1. 由于需要生成大量代码，这将明显增加编译时间，
2. 这会增加 Sparkplug 代码的内存消耗，并且
3. 我们必须重新实现用于 Sparkplug 的一堆 JavaScript 功能的代码源，这可能意味着会有更多的错误和更大的受攻击面。

因此，大多数 Sparkplug 代码只是调用“内置代码”，即嵌入二进制文件中的小段机器码片段，以完成那些脏活儿。这些内置代码要么就是解析器用的那些，或者至少与解析器的字节码处理程序共享大部分代码。

实际上，Sparkplug 代码基本上只是内置代码的调用和控制流：

你现在可能会想，“那么，这一切到底有什么意义？Sparkplug 不是在做与解析器相同的工作吗？”——你的疑问是有道理的。在许多方面，Sparkplug 只是解析器执行的一个序列化，它调用相同的内置函数并维护相同的堆栈框架。但这样做也是值得的，因为它消除（或更准确地说是预编译）了那些不可移动的解析器开销，例如操作数解码和下一个字节码分派。

事实证明，解析器破坏了许多 CPU 优化工作：解析器从内存中动态读取静态操作数，从而迫使 CPU 停顿或推测值可能是多少。分派到下一个字节码需要成功的分支预测才能保持高性能，即使推测和预测正确，你还是要执行所有解码和分派代码，并且你还是会在各个缓冲区和缓存中浪费宝贵的空间。CPU 实际上本身就是一个解析器，只不过它是机器码的解析器。这样看来，Sparkplug 是从 Ignition 字节码到 CPU 字节码的一个“转译器”，将你的函数从在“仿真器”中运行移到了“原生”运行。

性能表现

那么，Sparkplug 在现实场景中的性能表现如何呢？我们用 Chrome M91 跑了一些基准测试，用了几个性能 bot，分别启用和关闭 Sparkplug 来观察其影响。

剧透：我们非常满意。

以下基准测试列出了运行多个操作系统的 bot。虽说系统和 bot 的名字差不多，但我们认为它并不会对结果产生太大影响。另外，不同的机器也有不同的 CPU 和内存配置，我们认为这是差异的主要来源。

Speedometer

Speedometer 是一个基准测试，它使用一些流行的框架构建一个 TODO 列表跟踪 Web 应用程序，并通过添加和删除 TODO 对应用程序进行性能压力测试，来模拟现实世界中网站框架的使用情况。我们发现它很好地反映了现实世界中的负载和互动行为，并且我们屡屡发现，Speedometer 的成绩提升反映在了我们的现实世界指标中。

使用 Sparkplug，Speedometer 得分提高 5-10％，具体取决于我们观察的 bot。

使用 Sparkplug 在多个性能 bot 中改善了 Speedometer 的得分中位数。误差线表示四分位间距。

浏览基准测试

Speedometer 是一个很好的基准测试，但它只反映了部分情况。此外，我们还有一组“浏览基准测试”，它们记录了一组真实的网站，我们可以重播这些内容、编写一些交互脚本，并更真实地了解我们的各种指标在现实世界中的表现。

在这些基准测试上，我们选择查看“V8 主线程时间”指标，其测试主线程（不包括流解析或后台优化的编译）在 V8 中花费的总时间（包括编译和执行）。这是在不排除其他基准噪声源的情况下查看 Sparkplug 自身回报的最佳方法。

结果各不相同，并且完全取决于机器和网站，但总体而言它们看起来不错：我们看到大约有 5-15％的改进。

在我们的浏览基准测试中，V8 主线程时间得到了 10 个百分点的中位数改进。误差线表示四分位间距。

结论：V8 有了全新的超快速非优化编译器，可将 V8 在实际基准测试中的性能提高 5-15％。V8 v9.1 中已经在 --sparkplug 标志后面提供了这一工具，并且随着 M91 的发布，我们将在 Chrome 中推出该编译器。

本文由哈喽比特于3年以前收录，如有侵权请联系我们。
文章来源：https://mp.weixin.qq.com/s/w-eV2u_ND9ilo1zLbzkOaQ