Hogyan működik a JavaScript: A V8 motor burkolata alatt

Ma megnézzük a JavaScript V8-as motorháztetejét, és kitaláljuk, hogy a JavaScript pontosan hogyan működik.

Egy korábbi cikkünkben megtudtuk, hogyan épül fel a böngésző, és magas szintű áttekintést kaptunk a Chromiumról. Tegyük fel egy kicsit, hogy készen álljunk ide merülni.

Háttér

A webes szabványok a böngésző által végrehajtott szabályok összessége. Meghatározzák és leírják a világháló szempontjait.

A W3C egy olyan nemzetközi közösség, amely nyílt szabványokat dolgoz ki a web számára. Gondoskodnak arról, hogy mindenki ugyanazokat az irányelveket kövesse, és ne kelljen tucatnyi teljesen különböző környezetet támogatnia.

A modern böngésző meglehetősen bonyolult szoftver, amelynek kódbázisa tízmillió sornyi kódból áll. Tehát sok különböző logikáért felelős modulra van felosztva.

És a böngésző két legfontosabb része a JavaScript motor és a renderelő motor.

A Blink olyan megjelenítő motor, amely a teljes renderelési folyamatért felelős, beleértve a DOM-fákat, a stílusokat, az eseményeket és a V8 integrációt. Elemzi a DOM fát, feloldja a stílusokat és meghatározza az összes elem vizuális geometriáját.

Miközben az animációs kereteken keresztül folyamatosan figyelemmel kíséri a dinamikus változásokat, a Blink festi a képernyőn megjelenő tartalmat. A JS motor a böngésző nagy része - de ezeket a részleteket még nem vettük át.

JavaScript motor 101

A JavaScript-motor natív gépkódba futtatja és fordítja össze a JavaScript-et. Minden nagyobb böngésző kifejlesztette saját JS motorját: a Google Chrome V8-at, a Safari a JavaScriptCore-t, a Firefox pedig a SpiderMonkey-t használja.

Különösen a V8-mal fogunk együtt dolgozni, mert a Node.js és az Electron alkalmazásban van, de más motorok is ugyanúgy épülnek fel.

Minden lépés tartalmaz egy linket a felelős kódért, így megismerheti a kódalapot, és folytathatja a kutatást a cikken túl.

A V8 tükrével fogunk dolgozni a GitHubon, mivel ez kényelmes és jól ismert felhasználói felületet biztosít a kódbázis navigálásához.

A forráskód előkészítése

Az első dolog, amit a V8-nak kell tennie, az a forráskód letöltése. Ez megtehető egy hálózaton, gyorsítótáron vagy a szerviz munkatársain keresztül.

Miután megkapta a kódot, meg kell változtatnunk a fordító számára érthető módon. Ezt a folyamatot elemzésnek hívják, és két részből áll: a szkennerből és magából az elemzőből.

A szkenner elviszi a JS fájlt, és átalakítja az ismert tokenek listájává. Van egy lista az összes JS tokenről a keywords.txt fájlban.

Az elemző felveszi és létrehoz egy absztrakt szintaxisfát (AST): a forráskód fa ábrázolását. A fa minden csomópontja a kódban előforduló konstrukciót jelöli.

Nézzünk meg egy egyszerű példát:

function foo() { let bar = 1; return bar; }

Ez a kód a következő faszerkezetet hozza létre:

Ezt a kódot végrehajthatja egy előrendelés bejárásával (gyökér, bal, jobb):

  1. Határozza meg a foofüggvényt.
  2. Deklarálja a barváltozót.
  3. Rendelje 1hozzá bar.
  4. Térjen barki a funkcióból.

Látni fogja azt is VariableProxy- egy elemet, amely összeköti az absztrakt változót a memória egy helyével. A feloldás folyamatát Scope Analysis-VariableProxy nek hívják .

Példánkban a folyamat eredménye mind VariableProxyugyanazon barváltozóra mutat .

A Just-in-Time (JIT) paradigma

Általában a kód végrehajtásához a programozási nyelvet gépi kóddá kell átalakítani. Számos megközelítés létezik arra vonatkozóan, hogyan és mikor történhet meg ez az átalakulás.

A kód átalakításának leggyakoribb módja az idő előtti fordítás. Pontosan úgy működik, mint amilyennek hangzik: a kód a program végrehajtása előtt a fordítási szakaszban gépi kóddá alakul.

Ezt a megközelítést számos programozási nyelv használja, mint például a C ++, a Java és mások.

A táblázat másik oldalán értelmezésünk van: a kód minden sora futás közben fog végrehajtódni. Ezt a megközelítést általában dinamikusan beírt nyelvek veszik igénybe, mint például a JavaScript és a Python, mert a pontos típust a végrehajtás előtt lehetetlen megismerni.

Mivel az idő előtti fordítás képes az összes kód együttes értékelésére, jobb optimalizálást és végül több előadó kód létrehozását eredményezheti. Az értelmezést viszont egyszerűbb megvalósítani, de általában lassabb, mint a lefordított opció.

A kód gyorsabb és hatékonyabb átalakításához a dinamikus nyelvek számára új megközelítést hoztak létre Just-in-Time (JIT) fordítás néven. Az értelmezés és az összeállítás legjobbjait ötvözi.

Miközben az értelmezést használja alapmódszerként, a V8 képes felismerni azokat a függvényeket, amelyeket másoknál gyakrabban használnak, és a korábbi végrehajtások típusinformációinak felhasználásával összeállíthatja azokat.

Van azonban esély arra, hogy a típus megváltozzon. Ehelyett le kell optimalizálnunk a lefordított kódot és az értelmezésre való visszalépést (ezt követően új típusú visszajelzés után újrafordíthatjuk a függvényt).

Fedezzük fel részletesebben a JIT összeállításának egyes részeit.

Tolmács

A V8 az Ignition nevű tolmácsot használja. Kezdetben elvesz egy szintaxisfát és generál bájtkódot.

A bájtkód utasítások tartalmaznak metaadatokat is, például a forrássor pozícióit a későbbi hibakereséshez. Általában a bájtkód utasítások megegyeznek a JS absztrakcióival.

Vegyük most a példánkat, és generáljunk hozzá manuálisan bájtkódot:

LdaSmi #1 // write 1 to accumulator Star r0 // read to r0 (bar) from accumulator Ldar r0 // write from r0 (bar) to accumulator Return // returns accumulator

A gyújtásnak van egy úgynevezett akkumulátora - egy hely, ahol értékeket tárolhat / olvashat.

Az akkumulátor elkerüli annak szükségességét, hogy a verem tetejét toljuk és bedugjuk. Ez sok bájtkód esetében implicit érv is, és általában a művelet eredményét tartalmazza. A Return implicit módon visszaadja az akkumulátort.

You can check out all the available byte code in the corresponding source code. If you’re interested in how other JS concepts (like loops and async/await) are presented in byte code, I find it useful to read through these test expectations.

Execution

After the generation, Ignition will interpret the instructions using a table of handlers keyed by the byte code. For each byte code, Ignition can look up corresponding handler functions and execute them with the provided arguments.

As we mentioned before, the execution stage also provides the type feedback about the code. Let’s figure out how it’s collected and managed.

First, we should discuss how JavaScript objects can be represented in memory. In a naive approach, we can create a dictionary for each object and link it to the memory.

However, we usually have a lot of objects with the same structure, so it would not be efficient to store lots of duplicated dictionaries.

To solve this issue, V8 separates the object's structure from the values itself with Object Shapes (or Maps internally) and a vector of values in memory.

For example, we create an object literal:

let c = { x: 3 } let d = { x: 5 } c.y = 4

In the first line, it will produce a shape Map[c] that has the property x with an offset 0.

In the second line, V8 will reuse the same shape for a new variable.

After the third line, it will create a new shape Map[c1] for property y with an offset 1 and create a link to the previous shape Map[c] .

In the example above, you can see that each object can have a link to the object shape where for each property name, V8 can find an offset for the value in memory.

Object shapes are essentially linked lists. So if you write c.x, V8 will go to the head of the list, find y there, move to the connected shape, and finally it gets x and reads the offset from it. Then it’ll go to the memory vector and return the first element from it.

As you can imagine, in a big web app you’ll see a huge number of connected shapes. At the same time, it takes linear time to search through the linked list, making property lookups a really expensive operation.

To solve this problem in V8, you can use the Inline Cache (IC).It memorizes information on where to find properties on objects to reduce the number of lookups.

You can think about it as a listening site in your code: it tracks all CALL, STORE, and LOAD events within a function and records all shapes passing by.

The data structure for keeping IC is called Feedback Vector. It’s just an array to keep all ICs for the function.

function load(a) { return a.key; }

For the function above, the feedback vector will look like this:

[{ slot: 0, icType: LOAD, value: UNINIT }]

It’s a simple function with only one IC that has a type of LOAD and value of UNINIT. This means it’s uninitialized, and we don’t know what will happen next.

Let’s call this function with different arguments and see how Inline Cache will change.

let first = { key: 'first' } // shape A let fast = { key: 'fast' } // the same shape A let slow = { foo: 'slow' } // new shape B load(first) load(fast) load(slow)

After the first call of the load function, our inline cache will get an updated value:

[{ slot: 0, icType: LOAD, value: MONO(A) }]

That value now becomes monomorphic, which means this cache can only resolve to shape A.

After the second call, V8 will check the IC's value and it'll see that it’s monomorphic and has the same shape as the fast variable. So it will quickly return offset and resolve it.

The third time, the shape is different from the stored one. So V8 will manually resolve it and update the value to a polymorphic state with an array of two possible shapes.

[{ slot: 0, icType: LOAD, value: POLY[A,B] }]

Now every time we call this function, V8 needs to check not only one shape but iterate over several possibilities.

For the faster code, you can initialize objects with the same type and not change their structure too much.

Note: You can keep this in mind, but don’t do it if it leads to code duplication or less expressive code.

Inline caches also keep track of how often they're called to decide if it’s a good candidate for optimizing the compiler — Turbofan.

Compiler

Ignition only gets us so far. If a function gets hot enough, it will be optimized in the compiler, Turbofan, to make it faster.

Turbofan takes byte code from Ignition and type feedback (the Feedback Vector) for the function, applies a set of reductions based on it, and produces machine code.

As we saw before, type feedback doesn’t guarantee that it won’t change in the future.

For example, Turbofan optimized code based on the assumption that some addition always adds integers.

But what would happen if it received a string? This process is called deoptimization. We throw away optimized code, go back to interpreted code, resume execution, and update type feedback.

Summary

In this article, we discussed JS engine implementation and the exact steps of how JavaScript is executed.

To summarize, let’s have a look at the compilation pipeline from the top.

We’ll go over it step by step:

  1. It all starts with getting JavaScript code from the network.
  2. V8 parses the source code and turns it into an Abstract Syntax Tree (AST).
  3. Based on that AST, the Ignition interpreter can start to do its thing and produce bytecode.
  4. At that point, the engine starts running the code and collecting type feedback.
  5. To make it run faster, the byte code can be sent to the optimizing compiler along with feedback data. The optimizing compiler makes certain assumptions based on it and then produces highly-optimized machine code.
  6. If, at some point, one of the assumptions turns out to be incorrect, the optimizing compiler de-optimizes and goes back to the interpreter.

That’s it! If you have any questions about a specific stage or want to know more details about it, you can dive into source code or hit me up on Twitter.

Further reading

  • “Life of a script” video from Google
  • A crash course in JIT compilers from Mozilla
  • Nice explanation of Inline Caches in V8
  • Great dive in Object Shapes