当前位置: 首页 > news >正文

JVM、Dalvik、ART区别

一、核心架构差异

1. 指令集架构

  • JVM:基于栈结构,所有操作(如加法、方法调用)通过操作数栈完成。

    • 特点:指令短小紧凑,但需频繁内存交互(如iloadistore),执行效率低。

  • Dalvik/ART:基于寄存器架构,直接操作虚拟寄存器。

    • 特点:单条指令完成复杂操作(如add-int/2addr v1, v2),减少指令分派次数,适合移动设备。

2. 字节码与文件格式
特性JVM(.class)Dalvik/ART(.dex)
文件结构每个类独立.class文件多类合并为单一.dex文件
冗余处理常量池按类独立,冗余高全局共享常量池,去重优化
体积效率较大(如Google+ APK大4倍)减少75%体积,I/O效率高1

✅ 关键概念解释

  • Dex文件:由dx工具合并.class文件生成,去除重复字符串/符号,提升类加载速度。

  • Odex文件:优化后的Dex,包含目标平台特定指令(Dalvik)或预编译机器码(ART)。


二、执行机制对比

1. 编译方式与性能

  • Dalvik (JIT)

    • 运行时动态编译热点代码,缓存机器码。

    • 缺点:每次启动需重新编译,CPU占用高导致耗电26。

  • ART (AOT+JIT)

    • AOT:安装时预编译整个Dex为本地机器码(.oat文件)。

    • JIT(Android 7.0+):运行时记录热点代码,空闲时编译(混合模式平衡安装时间与运行效率)。

2. 性能指标对比
维度JVMDalvikART
启动速度中等慢(需JIT)快(直接执行)
内存占用高(栈操作)中等低(预编译优化)
存储开销高(+10%~20%)

三、内存管理与GC优化

1. 垃圾回收机制
  • JVM

    • 标记-清除(Mark-Sweep)、分代收集(G1)。

    • 停顿时间长,不适合实时系统。

  • Dalvik

    • 分Zygote堆(预加载核心类)和Active堆(应用对象)。

    • GC频繁(尤其低内存设备),引发界面卡顿。

  • ART

    • 并发标记-清除(Concurrent Mark-Sweep):GC暂停时间减少60%。

    • 分代收集:优先回收短命对象,提升吞吐量。

2. 堆管理创新
  • 写时复制(Copy-on-Write)

    • Zygote进程fork子进程时共享预加载类,减少内存复制。

  • 位图标记(Bitmap Marking)

    • GC时单独申请位图空间标记对象,避免对象头开销。


四、设计目标与生态定位

1. JVM:跨平台优先
  • 核心目标:”一次编译,到处运行“(依赖各平台JVM实现)。

  • 代价:牺牲性能换取兼容性(如x86/ARM均需适配)。

2. Dalvik/ART:移动端优化
  • 嵌入式适配

    • 低内存:多进程隔离(每个App独立Linux进程)。

    • 低功耗:AOT减少CPU持续负载。

  • 系统集成

    • Zygote预加载核心类,加速应用启动。

    • Binder IPC替代传统Socket通信。


五、高频概念详解

  1. JIT(Just-In-Time)

    • 运行时动态编译热点代码(如多次调用的方法)。

    • 典型问题:”为何Dalvik的JIT耗电?“ → 持续编译增加CPU负载。

  2. AOT(Ahead-Of-Time)

    • 安装时预编译字节码→机器码,空间换时间。

    • 典型问题:”ART安装慢的原因?“ → 编译占用额外时间。

  3. Dex vs Class

    • Dex合并多个Class,全局常量池共享(如字符串”Landroid/content/Context;“仅存一份)。

  4. Zygote机制

    • 系统启动时预加载核心类,fork应用进程时直接共享只读内存,加速启动。


六、常见问题

Q:Dalvik、ART与JVM的核心区别是什么?
A: 三者本质是不同生态的运行时环境,核心区别如下:

  1. 架构设计

    • JVM:栈架构,执行.class文件,指令紧凑但效率低。

    • Dalvik/ART:寄存器架构,执行.dex文件,指令少且执行快。

  2. 编译方式

    • JVM:JIT运行时编译,热点代码动态优化。

    • Dalvik:JIT运行时编译,启动慢但安装快。

    • ART:AOT预编译+JIT辅助(Android 7.0+),安装时生成机器码,运行效率最高。

  3. 内存模型

    • JVM:传统堆管理,GC停顿长。

    • Dalvik:分Zygote/Active堆,GC频繁引发卡顿。

    • ART:并发标记GC+分代收集,停顿减少60%。

  4. 生态定位

    • JVM:跨平台通用(服务器/桌面)。

    • Dalvik/ART:为嵌入式优化(低内存/低功耗)。

Q:为何ART比Dalvik快?
A: 两大关键优化:

  1. AOT预编译:省去运行时解释/编译开销(直接执行机器码)。

  2. GC改进:并发标记减少停顿,分代回收提升吞吐量。
    代价:存储空间增加10%~20%(典型空间换时间)

http://www.lryc.cn/news/596818.html

相关文章:

  • 用Python实现卷积神经网络(一)
  • 电子电气架构 --- 汽车软件全生命周期
  • Java 堆(优先级队列)
  • 226.翻转二叉树
  • JAVA_EVLEN-面向对象高级二
  • 【C语言进阶】动态内存管理(2)
  • 新手向:Idea的使用技巧
  • 10. isaacsim4.2教程-RTX Lidar 传感器
  • AWS Lambda IoT数据处理异常深度分析:从告警到根因的完整排查之路
  • Vue3 面试题及详细答案120道(61-75 )
  • Python学习:函数的使用
  • webrtc整体架构
  • LeetCode热题100--205
  • Visual Studio中部署PaddleOCRv5 (借助ncnn框架)
  • Flink 状态管理设计详解:StateBackend、State、RocksDB和Namespace
  • 【笔记】Handy Multi-Agent Tutorial 第三章: CAMEL框架简介及实践(实践部分)
  • Redis原理之分布式锁
  • PowerShell自动化核对AD与HR系统账户信息实战指南
  • IDEA202403 超好用设置【持续更新】
  • ZooKeeper在Hadoop中的协同应用:从NameNode选主到分布式锁实现
  • 天津大学陈亚楠教授团队 ACS AEM:焦耳热超快合成非平衡态能源材料——毫秒级制备与跨体系性能突破
  • 昨天去看了电科金仓的发布会,有点东西!
  • 从 Linux 将文件下载到 Windows 的几种实用方法
  • 【AI智能体】Dify 开发与集成MCP服务实战操作详解
  • 嵌入式学习之路
  • Python笔记之跨文件实例化、跨文件调用、导入库
  • 为什么本地ip记录成0.0.0.1
  • 基于Python flask的常用AI工具功能数据分析与可视化系统设计与实现,技术包括LSTM、SVM、朴素贝叶斯三种算法,echart可视化
  • 慢 SQL接口性能优化实战
  • Fast Frequency Estimation Algorithm by Least Squares Phase Unwrapping