Java执行效率提升核心在于JIT编译器动态将热路径字节码编译为机器码，通过计数器识别热点、分层编译（C1快速基础优化/C2深度优化）、去优化保障正确性、内联缓存与代码缓存降低开销。
Java 的执行效率提升，核心在于 JIT（Just-In-Time）编译器将频繁执行的字节码“热路径”动态编译为本地机器码，绕过解释执行的开销。它不是一次性全量编译，而是基于运行时行为做智能决策，兼顾启动速度与长期性能。
热点代码识别：靠计数器驱动的运行时观测
JIT 不会编译所有代码，只聚焦真正“热”的部分。JVM 通过两类计数器持续监控：
- 方法调用计数器：记录方法被调用次数，达到阈值（如 Server 模式默认 10000 次）触发 C1 或 C2 编译
- 回边计数器：专用于循环体，统计循环回跳（loop back-edge）次数，识别高频执行的循环内部逻辑
计数器并非简单累加——执行过程中会周期性衰减（counter decay），避免长期闲置的方法残留高计数；同时支持分层编译（Tiered Compilation），先用轻量级 C1 快速生成带少量优化的本地码，再由 C2 对持续热门的方法做深度优化。
分层编译策略：C1 与 C2 协同工作的两级优化体系
现代 HotSpot JVM 默认启用分层编译（-XX:+TieredStopAtLevel=1 可禁用），形成流水线式优化：
立即学习“Java免费学习笔记（深入）”；
- C1（Client Compiler）：编译快、开销低，做基础优化（如方法内联、空值检查消除、简单逃逸分析），适合响应敏感场景
- C2（Server Compiler）：编译慢但优化激进，支持循环展开、向量化、虚函数去虚拟化（devirtualization）、冗余内存访问消除等，需更多 profiling 数据支撑
方法初热时由 C1 编译并插桩收集执行路径、分支频率、对象分配模式等信息；若持续热点，JVM 将其升级至 C2 队列，用更完整的运行时数据生成更高性能的机器码，并替换原有版本（即 Code Cache 中的旧版本）。
去优化（Deoptimization）：保证正确性的动态回退机制
JIT 编译依赖运行时假设（如某虚方法实际只有一种实现、某对象始终未逃逸）。一旦这些假设被打破（如新类加载导致多态分支增加、对象逃逸到方法外），已编译的代码就可能不安全。
此时 JVM 触发去优化：
- 暂停对应线程，将当前执行栈“炸开”，还原为解释执行状态
- 把现场变量和表达式状态映射回字节码栈帧，继续以解释器方式运行
- 后续若再次变热，会基于新 profile 数据重新编译（可能生成更保守或更适配的新版本）
去优化是 JIT 可靠性的关键设计，它让激进优化不再成为正确性的威胁，而是可逆的性能赌注。
代码缓存与内联缓存：减少间接跳转与动态分派开销
除了主流程编译，JIT 还在底层嵌入两项关键优化：
- 内联缓存（Inline Caching）：对 invokevirtual / invokeinterface 指令，首次执行时记录实际目标方法地址；后续调用直接比对接收者类型，命中则跳转执行，避免查虚方法表（vtable / itable）
- 代码缓存（Code Cache）管理：已编译的本地码存储在独立内存区，JIT 动态管理其大小、淘汰冷代码、防止碎片化；可通过 -XX:ReservedCodeCacheSize 调整容量
这些细粒度优化叠加在方法级编译之上，进一步压缩了动态语言特性带来的运行时成本。
JIT 的本质，是用运行时可观测性换编译时确定性，用可控的去优化换激进的优化空间。它让 Java 在保持跨平台与安全性的同时，接近原生代码的执行效率。
