09、JDK 25 新特性：AOT 方法性能分析（JEP 515）深度优化

分类： JDK 25 新特性 2025-11-27 阅读量： 0

启动快是快了，但预热时间还是有点长。鹏磊我之前用 AOT 优化启动性能，发现启动确实快了，但应用要达到峰值性能还得等一会儿，因为 JIT 编译器还得收集性能分析数据才能做优化。这就像你提前把菜准备好了，但炒菜的时候还得现调火候，还是不够快。

JDK 25 里的 JEP 515 就是为了解决这个问题而生的，它让 AOT 缓存不仅能存储编译好的代码，还能存储方法执行性能分析数据。这样 JIT 编译器在应用启动时就能用这些数据生成优化的代码，不用等运行时收集数据了，预热时间能缩短不少。

这个特性跟 JEP 514 配合使用效果特别好，训练运行的时候自动收集性能分析数据，生产运行的时候直接用这些数据优化代码。根据测试，用方法性能分析的 AOT 缓存，启动时间能再缩短 19%，而缓存大小只增加 2.5%，性价比还是挺高的。

方法性能分析是啥

先说说啥是方法性能分析吧。JIT 编译器在编译方法的时候，需要知道方法的执行特征，比如哪些分支经常走、哪些方法经常调用、哪些循环经常执行等，这样才能做针对性的优化。

传统的 JIT 编译是在运行时收集这些数据的，应用启动后先解释执行，收集性能数据，等数据够了再编译优化。这个过程需要时间，所以应用启动后得等一会儿才能达到峰值性能，这就是预热时间。

方法性能分析就是提前收集这些数据，存储在 AOT 缓存里，应用启动的时候直接加载，JIT 编译器就能立即用这些数据做优化了。这样就不用等运行时收集数据，预热时间能缩短不少。

方法性能分析的核心价值有几个：第一是缩短预热时间，不用等运行时收集数据，启动就能用优化的代码；第二是提高优化质量，因为有了更多的性能数据，JIT 编译器能做更激进的优化；第三是减少运行时开销，不用在运行时收集性能数据，CPU 占用能降低一些。

为啥需要方法性能分析

传统的 JIT 编译有几个问题，方法性能分析就是为了解决这些问题：

第一个问题是预热时间长。应用启动后得先解释执行，收集性能数据，等数据够了再编译优化，这个过程需要时间。对于启动频繁的应用，这个预热时间还是挺影响用户体验的。

第二个问题是优化质量不够好。运行时收集的数据可能不够全面，特别是那些冷启动的场景，数据收集不充分，优化效果可能不好。而且运行时收集数据有开销，可能影响应用性能。

第三个问题是资源浪费。运行时收集性能数据需要 CPU 和内存，这些资源本来可以用来运行应用，现在用来收集数据了，有点浪费。

方法性能分析就是为了解决这些问题而设计的，它提前收集性能数据，存储在 AOT 缓存里，应用启动的时候直接加载，JIT 编译器就能立即用这些数据做优化了。

基本用法

方法性能分析的使用很简单，跟 JEP 514 配合使用，训练运行的时候自动收集性能分析数据。

# 训练阶段：运行应用并创建带性能分析数据的 AOT 缓存
java -XX:AOTCacheOutput=app.aot -cp app.jar com.example.App

这个命令会执行训练运行，记录应用行为，收集方法执行性能分析数据，然后自动创建 AOT 缓存文件 app.aot。缓存里不仅包含编译好的代码，还包含性能分析数据。

生产阶段使用缓存的时候，JIT 编译器会自动使用这些性能分析数据：

# 生产阶段：使用带性能分析数据的 AOT 缓存运行应用
java -XX:AOTCache=app.aot -cp app.jar com.example.App

应用启动的时候，JIT 编译器会加载性能分析数据，立即用这些数据优化热点方法，不用等运行时收集数据了。

性能分析数据的内容

方法性能分析数据主要包含哪些内容呢？主要是方法的执行特征，帮助 JIT 编译器做优化决策。

分支频率数据

分支频率数据记录哪些分支经常走，哪些分支很少走。JIT 编译器可以用这些数据做分支预测优化，把经常走的分支放在前面，提高执行效率。

// 示例：方法里有条件分支
public int processValue(int value) {
    if (value > 100) {  // 这个分支可能经常走
        return value * 2;
    } else {  // 这个分支可能很少走
        return value;
    }
}

有了性能分析数据，JIT 编译器知道 value > 100 这个分支经常走，就会优化这个分支的代码，把不经常走的分支放在后面。

方法调用频率数据

方法调用频率数据记录哪些方法经常调用，哪些方法很少调用。JIT 编译器可以用这些数据做内联优化，把经常调用的小方法内联到调用处，减少方法调用开销。

// 示例：小方法经常被调用
public int add(int a, int b) {  // 这个方法可能经常被调用
    return a + b;
}

public void process() {
    int sum = add(10, 20);  // 调用 add 方法
    // ...
}

有了性能分析数据，JIT 编译器知道 add 方法经常调用，就会把它内联到调用处，减少方法调用开销。

循环执行数据

循环执行数据记录循环的执行次数、循环体的执行特征等。JIT 编译器可以用这些数据做循环优化，比如循环展开、向量化等。

// 示例：循环处理数组
public void processArray(int[] array) {
    for (int i = 0; i < array.length; i++) {  // 这个循环可能执行很多次
        array[i] = array[i] * 2;
    }
}

有了性能分析数据，JIT 编译器知道这个循环执行很多次，就会做循环优化，比如循环展开、向量化等，提高执行效率。

类型信息数据

类型信息数据记录方法参数和返回值的类型信息，帮助 JIT 编译器做类型特化优化。

// 示例：泛型方法
public <T> T process(T value) {
    // 处理逻辑
    return value;
}

有了性能分析数据，JIT 编译器知道 process 方法经常用 String 类型调用，就会生成特化版本，提高执行效率。

与 JEP 514 的配合

JEP 515 跟 JEP 514 配合使用效果特别好。JEP 514 简化了 AOT 缓存的创建过程，JEP 515 让缓存包含性能分析数据，两者结合能让启动和预热性能都得到优化。

训练阶段

训练阶段用 JEP 514 的简化命令，自动收集性能分析数据：

# 训练阶段：自动收集性能分析数据并创建缓存
java -XX:AOTCacheOutput=app.aot -cp app.jar com.example.App

这个命令会：

  1. 运行应用，记录应用行为
  2. 收集方法执行性能分析数据
  3. 自动创建 AOT 缓存文件，包含编译好的代码和性能分析数据
  4. 自动清理临时文件

生产阶段

生产阶段使用缓存，JIT 编译器自动使用性能分析数据：

# 生产阶段：使用带性能分析数据的缓存
java -XX:AOTCache=app.aot -cp app.jar com.example.App

应用启动的时候，JIT 编译器会：

  1. 加载编译好的代码
  2. 加载性能分析数据
  3. 立即用性能分析数据优化热点方法
  4. 不用等运行时收集数据，预热时间缩短

性能影响

方法性能分析对性能的影响主要体现在预热时间和优化质量上。

预热时间

方法性能分析可以显著缩短预热时间，因为 JIT 编译器不用等运行时收集数据，启动就能用性能分析数据优化代码。根据测试，用方法性能分析的 AOT 缓存，预热时间能缩短 19% 左右。

启动时间

方法性能分析对启动时间的影响相对较小，因为启动时间主要受代码加载和初始化影响，性能分析数据的影响不大。但有了性能分析数据，JIT 编译器能更早开始优化，启动后的性能提升更快。

优化质量

方法性能分析可以提高优化质量，因为有了更多的性能数据，JIT 编译器能做更激进的优化。比如分支预测更准确、内联决策更合理、循环优化更有效等。

缓存大小

方法性能分析会增加 AOT 缓存的大小，因为需要存储性能分析数据。根据测试，缓存大小大约增加 2.5%，这个开销还是比较小的，性价比还是挺高的。

运行时开销

方法性能分析可以减少运行时开销，因为不用在运行时收集性能数据，CPU 占用能降低一些。但影响相对较小，因为性能数据收集的开销本来就不大。

实际应用场景

方法性能分析在实际开发中还是挺有用的，下面举几个常见的应用场景。

场景一：微服务应用

微服务应用启动频繁，预热时间直接影响用户体验。用方法性能分析可以缩短预热时间，让应用更快达到峰值性能。

# 训练阶段：创建带性能分析数据的缓存
java -XX:AOTCacheOutput=service.aot -jar service.jar

# 生产阶段：使用缓存，快速达到峰值性能
java -XX:AOTCache=service.aot -jar service.jar

场景二：无服务器函数

无服务器函数每次调用都可能启动新的实例，预热时间特别重要。用方法性能分析可以缩短冷启动时间，提升用户体验。

# 训练阶段：创建带性能分析数据的缓存
java -XX:AOTCacheOutput=function.aot -cp function.jar com.example.Function

# 生产阶段：使用缓存，快速达到峰值性能
java -XX:AOTCache=function.aot -cp function.jar com.example.Function

场景三：批处理应用

批处理应用启动后需要快速处理大量数据，预热时间影响处理效率。用方法性能分析可以缩短预热时间，让应用更快达到峰值性能。

# 训练阶段：创建带性能分析数据的缓存
java -XX:AOTCacheOutput=batch.aot -cp batch.jar com.example.BatchJob

# 生产阶段：使用缓存，快速达到峰值性能
java -XX:AOTCache=batch.aot -cp batch.jar com.example.BatchJob

训练运行的代表性

方法性能分析的效果很大程度上取决于训练运行的代表性。训练运行应该能代表实际使用场景，这样收集的性能分析数据才有效。

训练运行的要求

训练运行应该：

  1. 覆盖实际使用场景，包括常见的代码路径和分支
  2. 运行足够长的时间，收集足够的性能数据
  3. 使用真实的数据和工作负载，不要用测试数据
  4. 模拟实际使用模式，包括并发、负载等

训练运行的最佳实践

训练运行的最佳实践包括：

  1. 使用生产环境的数据和工作负载
  2. 运行多个训练周期，收集更全面的数据
  3. 覆盖不同的使用场景，包括峰值和正常负载
  4. 定期更新缓存，适应代码变化

训练运行的问题

如果训练运行不够代表性，性能分析数据可能不准确，优化效果可能不好。比如：

  1. 训练运行只覆盖了部分代码路径，其他路径的优化效果不好
  2. 训练运行的数据分布跟实际使用差别很大，优化决策可能不准确
  3. 训练运行时间太短，数据收集不充分，优化效果不好

注意事项

用方法性能分析的时候有几个注意事项：

第一个是训练运行的代表性。训练运行应该能代表实际使用场景，这样收集的性能分析数据才有效。如果训练运行跟实际使用差别很大，优化效果可能不好。

第二个是缓存兼容性。方法性能分析数据跟应用代码、JDK 版本、运行环境都有关系，不兼容的缓存不能使用。如果应用代码变了，可能需要重新创建缓存。

第三个是缓存大小。方法性能分析会增加 AOT 缓存的大小，虽然增加不多（约 2.5%），但还是要考虑磁盘空间。特别是那些缓存文件本来就比较大的应用。

第四个是性能权衡。方法性能分析虽然能缩短预热时间，但缓存大小会增加，部署流程可能需要调整。要根据实际需求权衡利弊。

与 JIT 编译的配合

方法性能分析跟 JIT 编译配合使用，效果更好。JIT 编译器可以用性能分析数据做更激进的优化，同时还能根据运行时情况做动态调整。

启动时的优化

应用启动的时候，JIT 编译器会：

  1. 加载性能分析数据
  2. 识别热点方法
  3. 立即用性能分析数据优化这些方法
  4. 不用等运行时收集数据

运行时的调整

虽然有了性能分析数据，JIT 编译器还是会根据运行时情况做动态调整：

  1. 监控方法执行情况
  2. 如果发现性能分析数据不准确，会重新收集数据
  3. 根据实际执行情况做优化调整

这样既能利用性能分析数据快速优化，又能根据实际情况动态调整，效果更好。

性能测试结果

根据测试，方法性能分析的效果还是挺明显的。一个使用 Stream API 的简单程序，用方法性能分析的 AOT 缓存：

  • 启动时间缩短了 19%
  • 缓存大小只增加了 2.5%
  • 预热时间显著缩短
  • 峰值性能基本不变

这个结果说明方法性能分析的性价比还是挺高的，用不大的缓存开销换来了明显的性能提升。

总结

AOT 方法性能分析（JEP 515）是 JDK 25 引入的一个很实用的特性，它让 AOT 缓存不仅能存储编译好的代码，还能存储方法执行性能分析数据。主要优势包括：缩短预热时间，不用等运行时收集数据；提高优化质量，JIT 编译器能做更激进的优化；减少运行时开销，不用在运行时收集性能数据。

在实际开发中，方法性能分析特别适合用在微服务应用、无服务器函数、批处理应用等预热时间要求高的场景。配合 JEP 514 使用，效果更好。

虽然方法性能分析有一些限制，比如训练运行的代表性、缓存兼容性等，但对于预热时间要求高的应用，这个特性还是很值得尝试的。特别是现在跟 JEP 514 配合使用，用起来更方便了。

鹏磊我觉得这个特性还是挺实用的，特别是对那些预热时间要求高的应用。建议大家在合适的场景下试试，应该会有不错的体验。不过要注意训练运行的代表性，这样才能发挥出方法性能分析的最大效果。配合 JEP 514 使用，启动和预热性能都能得到优化，性价比还是挺高的。

本文章最后更新于 2025-11-27