Bytekode

Den aktuelle version af siden er endnu ikke blevet gennemgået af erfarne bidragydere og kan afvige væsentligt fra den version , der blev gennemgået den 8. august 2022; verifikation kræver 1 redigering .

Bytecode ( bytecode ; engelsk  bytecode , også nogle gange p-code , p-code fra bærbar kode ) er en standard mellemrepræsentation , hvortil et computerprogram kan oversættes automatisk. Sammenlignet med kildekode , der kan læses af mennesker, er bytecode en kompakt repræsentation af et program, der allerede er blevet parset og parset . Det koder eksplicit for typer , omfang og andre konstruktioner. Fra et teknisk synspunkt er en bytekode en maskinuafhængig kode på lavt niveau genereret af en oversætter fra en kildekode.

Mange moderne programmeringssprog , især tolkede , bruger bytekode til at lette og fremskynde tolkens arbejde . Oversættelse til bytekode er en metode mellem i effektivitet mellem direkte fortolkning og kompilering til maskinkode.

I form ligner bytecode maskinkode , men er beregnet til ikke at blive udført af en rigtig processor , men af ​​en virtuel maskine . Den virtuelle maskine er normalt en fortolker af det tilsvarende programmeringssprog (nogle gange suppleret med en JIT- eller AOT-kompiler ). Specifikationerne for bytekoden og de virtuelle maskiner , der udfører den, kan variere meget fra sprog til sprog: bytecode består ofte af instruktioner til en stablet maskine [1] , men registermaskiner [2] [3] kan også bruges . De fleste bytekode-instruktioner svarer dog normalt til en eller flere assembly-sprog-instruktioner .

En bytekode hedder sådan, fordi hver opkode traditionelt er en byte lang . Hver instruktion er normalt en en-byte opkode (0 til 255), der kan efterfølges af forskellige parametre, såsom et registernummer eller en hukommelsesadresse .

Ydeevne

Et bytekodeprogram udføres normalt af en bytekodefortolker . Fordelen ved bytecode er større effektivitet og portabilitet , det vil sige, at den samme bytekode kan udføres på forskellige platforme og arkitekturer , som fortolkeren er implementeret til. Direkte fortolkede sprog giver den samme fordel, men da bytekode normalt er mindre abstrakt og mere kompakt end kildekode, er bytekodefortolkning normalt mere effektiv end ren kildekodefortolkning eller AST -fortolkning . Derudover er en bytekodefortolker ofte enklere end en kildekodefortolker og er lettere at overføre (porte) til en anden hardwareplatform.

Højtydende implementeringer af virtuelle maskiner kan bruge en kombination af en fortolker og en JIT-kompiler , som oversætter hyppigt anvendte bytekodefragmenter til maskinkode under programafvikling, mens der anvendes forskellige optimeringer. I stedet for JIT-kompilering kan der bruges en AOT -kompiler , som oversætter bytekoden til maskinkode på forhånd, før udførelse.

Samtidig er det muligt at oprette processorer, for hvilke den givne bytekode er direkte maskinkode (sådanne eksperimentelle processorer blev f.eks. oprettet til Java og Forth -sprogene ).

Historie

Blandt de første systemer, der brugte bytekode, var O-kode til BCPL (1960'erne), Smalltalk (1976) [4] , SIL (System Implementation Language) for Snobol-4 (1967), p-kode ( p-kode , 1970'erne, med bidrag fra Niklaus Wirth ) til bærbare compilere af programmeringssproget Pascal [5] [6] [7] .

Varianter af p-koden er blevet brugt i vid udstrækning i forskellige implementeringer af Pascal-sproget, såsom UCSD p-systemet ( UCSD Pascal ). [otte]

Ansøgning

Fortolkede sprog, der bruger bytekode, inkluderer Perl , PHP (som Zend Engine ), Ruby (siden version 1.9), Python , Erlang og mange flere.

Udbredte platforme, der bruger bytekode [9] :

Clipper - kompileren opretter en eksekverbar fil, der inkluderer bytekoden oversat fra programmets kildekode og en virtuel maskine, der udfører bytekoden.

Java-programmer er normalt kompileret i klassefiler, der indeholder Java bytecode . Disse generiske filer overføres til forskellige målmaskiner.

Tidlige implementeringer af Visual Basic (før version 6) brugte Microsoft p-kode på højt niveau [9]

P-koder og bytekoder på højt niveau blev brugt i DBMS , nogle implementeringer af BASIC og Pascal .

I Open Firmware- standarden fra Sun Microsystems repræsenterer bytekoden Forth- operatører .

Eksempler

Python

Koden:

>>> print ( "Hej, verden!" ) Hej , verden !

Bytekode:

>>> import dis #import "dis" modulet - Disassembler af Python byte kode til mnemonics. >>> dis . dis ( 'print("Hej, verden!")' ) 1 0 LOAD_NAME 0 ( print ) 2 LOAD_CONST 0 ( 'Hej, verden!' ) 4 CALL_FUNCTION 1 6 RETURN_VALUE

Java

Koden:

ydre : for ( int i = 2 ; i < 1000 ; i ++ ) { for ( int j = 2 ; j < i ; j ++ ) { if ( i % j == 0 ) fortsæt ydre ; } System . ud . println ( i ); }

Bytekode:

0: iconst_2 1: istore_1 2: iload_1 3: sipush 1000 6: if_icmpge 44 9: iconst_2 10: istore_2 11: iload_2 12: iload_1 13: if_icmpge 31 16: iload_1_21 : iload_1 21 : iload_1 21 : iload_1 21 : iload_1 21 : iload_1 21 : got 25: iinc 2 , 1 28: goto 11 31: getstatic #84 ; //Field java/lang/System.out:Ljava/io/PrintStream; 34: iload_1 35: invokevirtual #85 ; //Method java/io/PrintStream.println:(I)V 38: iinc 1 , 1 41: goto 2 44: return

Kritik

Traditionelt er bytekode designet i stil med stablede virtuelle maskiner, hvilket forenkler generering fra AST , giver mulighed for enklere og mere kompakt bytekodekodning, forenkler fortolkeren og reducerer mængden af ​​maskinkode, der kræves for at udføre en enkelt bytekodeinstruktion. På den anden side indeholder sådanne varianter af bytekoden for et givet program flere instruktioner end bytekoderne for virtuelle registermaskiner, på grund af hvilke tolken skal foretage flere indirekte hop, for hvilke grenforudsigelse ikke fungerer godt [3] . Bytekoden til register virtuelle maskiner har en lidt større størrelse af maskinkoder, men antallet af instruktioner sammenlignet med stak-bytekoden er omkring to gange mindre, og tolken er titusindvis af procent hurtigere [3] . Stabelmaskinernes bytekode er også sværere at optimere (udtryk bliver implicitte, relaterede instruktioner grupperes ikke, udtryk er fordelt over flere grundlæggende blokke ) [12] og kræver verifikation af rigtigheden af ​​at bruge stakken [13] .

Fejl ved stabling af bytekode-bekræftelse førte til mange ekstremt farlige sårbarheder, især snesevis i den virtuelle AVM2-maskine, der blev brugt i Adobe Flash til at udføre ActionScript-scripts [14] [15] [16] og flere i de tidlige populære Java-runtime-systemer (JVM) [ 17] [18]

I slutningen af ​​2000'erne og begyndelsen af ​​2010'erne satte forfatterne af V8 (til JavaScript, ofte implementeret via bytecode) [19] og Dart [20] kompilatorerne spørgsmålstegn ved behovet for mellemliggende bytekoder til hurtige og effektive virtuelle maskiner. Disse projekter implementerede direkte JIT-kompilering (kompilering ved kørsel) fra kildekoder direkte til maskinkode. [21]

Noter

  1. ↑ Terence Parr. Language Implementation Patterns - Pragmatic Bookshelf, december 2009, ISBN 978-1-934356-45-6 "Del 3: Bygningstolke. Pattern 27 Stack-Based Bytecode Interpreter” Arkiveret 26. juni 2015 på Wayback Machine
  2. ↑ Terence Parr. Language Implementation Patterns - Pragmatic Bookshelf, december 2009, ISBN 978-1-934356-45-6 "Del 3: Bygningstolke. Pattern 28 Register-Based Bytecode Interpreter" Arkiveret 26. juni 2015 på Wayback Machine
  3. ↑ 1 2 3 Yunhe Shi, David Gregg, Andrew Beatty, M. Anton Ertl. Virtual Machine Showdown: Stack Versus Registers  //  VEE '05: Proceedings af den 1. ACM/USENIX internationale konference om virtuelle eksekveringsmiljøer. - Chicago, Illinois, USA: ACM, 2005. - S. 153 - 163 . — ISBN 1-59593-047-7 . - doi : 10.1145/1064979.1065001 .
  4. ↑ Bringer ydeevne og skalerbarhed til dynamiske sprog  (utilgængeligt link) // Mario Wolczko, Oracle 2012 slide 7
  5. ↑ Ruslan Bogatyrev. Chronicle of Pascal Languages ​​arkiveret 30. maj 2015 på Wayback Machine , PC World, nr. 04/2001
  6. ↑ Compilers: Principles, Techniques and Tools Arkiveret 4. marts 2016 på Wayback Machine  - Williams, ISBN 9785845901897 , side 517 "12.2 Pascal Compilers"
  7. ↑ UCSD P-SYSTEM MUSEUM Arkiveret 17. februar 2015 på Wayback Machine , 2004
  8. ↑ 1 2 Understanding .NET: A Tutorial and Analysis Archived March 6, 2016 at the Wayback Machine , David Chappell, David Wayne Chappell, 2002, ISBN 9780201741629 side 92
  9. ↑ 1 2 C# Versus Java Arkiveret 6. april 2016 på Wayback Machine / Dr. Dobb's Journal februar 2001
  10. ↑ http://www.javaworld.com/article/2077233/core-java/bytecode-basics.html Arkiveret 19. maj 2015 på Wayback Machine 1996
  11. ↑ Alan Jock. Kompilere, tolke og bytekode . Computerworld Russia, nr. 06, 2001. Hentet 18. maj 2015. Arkiveret 28. oktober 2010.
  12. ↑ Ando Saabas, Tarmo Uustalu. Typesystemer til optimering af stakbaseret kode  // Electronic Notes in Theoretical Computer Science. - 2007. - Udgave. 190,1 . — s. 103-119. . - doi : 10.1016/j.entcs.2007.02.063 . Arkiveret fra originalen den 26. maj 2016. : "VM'er med virtuelt stak eller virtuelt register kan udføres mere effektivt ved hjælp af en fortolker. Virtuelle registermaskiner kan være et attraktivt alternativ til stakarkitekturer, fordi de gør det muligt at reducere antallet af udførte VM-instruktioner væsentligt."
  13. ↑ Gerwin Klein og Martin Wildmoser, Verified Bytecode Subroutines Arkiveret 10. august 2017 på Wayback Machine // Journal of Automated Reasoning 30.3-4 (2003): 363-398. "Bytekodebekræftelse er en statisk kontrol for bytekodesikkerhed. Dens formål er at sikre, at JVM kun udfører sikker kode: ingen operandstak over- eller underløb, ingen dårligt udformede instruktioner, ingen typefejl"
  14. ↑ Mark Dowd (X-Force Researcher IBM Internet Security Systems), Udnyttelse af ActionScript Virtual Machine  (utilgængeligt link) , IBM 2008 "hvis der var en måde at udføre AS3-instruktioner på, som aldrig var blevet verificeret, ville det være ret farligt. Ubekræftede instruktioner ville være i stand til at manipulere den oprindelige runtime-stak... Angrebet virker ved at manipulere en datastruktur, der bruges af AVM2-verifikatoren, således at den ikke verificerer ActionScript-instruktionerne korrekt for en given metode."
  15. ↑ Haifei Li, Understanding and Exploiting Flash ActionScript Vulnerabilities Arkiveret 26. november 2013. , 2011 "Bytecode -> Verifikationsproces ... ActionScript-sårbarheder skyldes forskellige programflowberegningsfejl i verifikations-/genereringsprocessen (verifikationsflowet og udførelsesflowet er ikke det samme)"
  16. ↑ Haifei Li (Microsoft), Inside AVM Arkiveret 21. november 2014 på Wayback Machine // REcon 2012, Montreal "De fleste Flash-sårbarheder er ActionScript-relaterede ... Fejl ved verifikation forårsager yderst farlige JIT-forvirringssårbarheder. • yderst farlig betyder perfekt udnyttelse: omgå ASLR+DEP, med %100 pålidelighed, ingen heapSpray, ingen JITSpray. • Forvirringsfejl af JIT-typen skyldes fejl i verifikationen af ​​AVM!”
  17. ↑ Den sidste fase af delirium-forskningsgruppen, Java og Java Virtual Machine-sikkerhedssårbarheder og deres udnyttelsesteknikker Arkiveret 12. marts 2016 på Wayback Machine , BlackHat 2002: "Fejlen stammede fra det faktum, at Bytecode Verifier ikke udførte bytekode-flowanalysen korrekt "
  18. ↑ Bekræftelse af bytekode i en virtuel maskine Arkiveret 30. april 2013. // International Journal of Advanced Research in Computer Science and Software Engineering Vol.3 Udgave 3. marts 2013, ISSN 2277-128X: “Java byte-kodebekræftelse er blevet undersøgt grundigt ud fra et korrekthedsperspektiv, og adskillige sårbarheder er blevet fundet og elimineret i denne behandle"
  19. ↑ Dynamisk maskinkodegenerering . Google. Hentet 18. maj 2015. Arkiveret fra originalen 17. september 2013.
  20. ↑ Loitsch, Florian Hvorfor ikke en bytekode VM? . Google. Hentet 18. maj 2015. Arkiveret fra originalen 12. maj 2013.
  21. ↑ Dr. Axel Rauschmayer. JavaScript-myte: JavaScript har brug for en standard  bytekode . Hentet 18. maj 2015. Arkiveret fra originalen 19. maj 2015.