performance - 解释语言——利用解释器背后的编译语言

Question

如果那里有任何语言设计者（或者只是知道的人），我很好奇为解释语言创建标准库的方法。具体来说，什么似乎是最好的方法？在解释语言中定义标准函数/方法，或者在编写解释器的编译语言中执行这些调用的处理？

让我想到这一点的是关于 Python 中类似 stripslashes() 的函数的 SO 问题。我的第一个想法是“为什么不定义自己的，只在需要时调用它”，但它提出了一个问题：对于这样的函数，让解释语言处理该开销是否更可取，还是更好编写扩展并利用解释器背后的编译语言？

Answer 1

如今，“解释”和“编译”语言之间的界限真的很模糊。例如，Python 在看到源代码时所做的第一件事就是将其编译为字节码表示，这与 Java 在编译类文件时所做的基本相同。这是 *.pyc 文件包含的内容。然后，python 运行时在不参考原始源的情况下执行字节码。传统上，纯解释型语言在执行程序时会连续引用源代码。

在构建一门语言时，这是一个很好的方法来构建一个坚实的基础，您可以在此基础上实现更高级别的功能。如果你有一个可靠、快速的字符串处理系统，那么语言设计者可以（并且应该）在基本运行时之外实现类似 stripslashes() 的东西。这样做至少有几个原因：

• 语言设计者可以证明该语言足够灵活，可以处理这类任务。
• 语言设计者实际上用该语言编写了真正的代码，该语言有测试，因此表明基础是坚实的。
• 其他人可以更轻松地阅读、借用甚至更改更高级别的功能，而无需能够构建甚至理解语言核心。

仅仅因为像 Python 这样的语言编译成字节码并执行并不意味着它很慢。没有理由不能按照 Java 和 .NET 已经在做的那样为 Python 编写即时 (JIT) 编译器来进一步提高性能。事实上，IronPython 将 Python 直接编译为 .NET 字节码，然后使用包括 JIT 在内的 .NET 系统运行。

要直接回答您的问题，语言设计者唯一会在运行时背后的语言（例如 Python 的 C 语言）中实现函数的时候是最大化该函数的性能。这就是为什么像正则表达式解析器这样的模块是用 C 而不是原生 Python 编写的。另一方面，像 getopt.py 这样的模块是用纯 Python 实现的，因为它都可以在那里完成，并且使用相应的 C 库没有任何好处。

Answer 2

还有一种趋势是重新实现传统上被认为是“解释”到 JVM 或 CLR 等平台上的语言，然后允许轻松访问“本机”代码以实现互操作性。因此，您可以从 Jython 和 JRuby 轻松访问 Java 代码，而从 IronPython 和 IronRuby，您可以轻松访问 .NET 代码。

在这种情况下，“利用解释器背后的编译语言”的能力可以被描述为新实现的主要动力。

Answer 3

请参阅www.lua.org上的“论文”部分。

特别是Lua 5.0的实现

Lua defines all standard functions in the underlying (ANSI C) code. I believe this is mostly for performance reasons. Recently, i.e. the 'string.*' functions got an alternative implementation in pure Lua, which may prove vital for subprojects where Lua is run on top of .NET or Java runtime (where C code cannot be used).

Answer 4

只要您为编译的代码库使用可移植的 API，例如ANSI C 标准库或C++ 中的STL，那么利用这些函数就可以避免重新发明轮子，并可能提供更小、更快的解释器。Lua采用这种方法，与许多其他方法相比，它绝对是小而快的。