新闻详情

新闻详情

首页 / 资讯中心 / 详情

Java程序从编译到运行的过程

发布时间:2026/11/15 1:29:53来源:尧图网络
Java程序从编译到运行的过程
上一篇写了Java为什么能跨平台这篇接着聊聊一个Java程序从源代码到真正跑起来中间到底经历了哪些步骤。## 一、编译期源代码变成字节码我们写的.java文件首先要经过javac编译器处理。javac会把我们写的.java源代码编译成.class字节码文件。这个过程就是把我们能看懂的Java代码翻译成JVM能识别的中间指令字节码。注意这一步产出的不是机器码而是跟平台无关的字节码这也是Java能跨平台的基础上一篇已经讲过了。简单说编译期就是 javac 把 .java 变成 .class 的过程。## 二、运行期JVM加载并执行字节码编译好的.class文件接下来就要交给JVM来运行了。运行期又可以细分成几个阶段### 1. 类加载阶段JVM首先会把.class文件加载进来。这个过程叫类加载大致经历加载、验证、准备、解析、初始化这几个步骤。简单理解就是JVM把字节码读进来检查一遍没问题然后放到内存里准备执行。### 2. 混合模式执行字节码加载进来之后JVM怎么执行它呢这里用到的是混合模式——也就是解释执行和JIT即时编译结合在一起。- 解释执行JVM逐行把字节码解释成机器码执行。优点是启动快不用等编译完就能跑缺点是如果一段代码反复执行每次都要重新解释效率不高。- JIT编译即时编译JVM会监控代码的执行情况如果发现某段代码执行得特别频繁叫热点代码就会把它编译成本地机器码缓存起来。下次再执行这段代码的时候就直接跑编译好的机器码速度就快很多。所以JVM不是单纯的解释器而是解释 编译混合用刚启动的时候主要靠解释执行让程序快速跑起来跑着跑着热点代码被JIT编译成本地码后面越跑越快。## 三、总结整个过程串起来就是1. 编译期javac 把 .java 源代码编译成 .class 字节码2. 运行期JVM 加载 .class 字节码3. 执行JVM 用混合模式执行——解释执行 JIT即时编译热点代码理解了这个过程就能明白为什么Java有时候启动慢但跑起来之后性能还不错——启动时在解释执行等热点代码被JIT编译之后就快了。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉