Tanto para Java como para otros lenguajes que son interpretados, por ejemplo Python o JavaScript, se genera una representación intermedia como resultado de la ejecución o compilación. A este código le llamamos bytecode.
Hablemos de qué es y para qué existe.
¿Qué es el bytecode?
El bytecode es una representación intermedia de tu programa que tiene dos características principales:
- No es tan legible como el código fuente, por ser más compacta.
- Es independiente de la arquitectura de la máquina, por lo que siempre es la misma representación para tu máquina virtual.
El objetivo del bytecode entonces es conservar la semántica de tu programa, pero de una forma que sea más fácil de ejecutar en una máquina virtual o el intérprete.
Se llama bytecode porque normalmente es una secuencia de bytes que representan tanto las instrucciones como los datos.
Ejemplo de un bytecode
Veamos el ejemplo de Elixir y el código de bytes que produce, para entender el con un ejemplo.
defmodule Hello do
def greet do
IO.puts "Hello, world!"
end
end
El proceso que Elixir sigue para ejecutarse es el siguiente:
Fuente: Getting each stage of Elixir’s compilation all the way to the BEAM bytecode.
La Bogdan/Björn Erlang Abstract Machine (BEAM) tiene un set de instrucciones, que constituyen su bytecode. Estos aunque están semi-documentados aquí, no están documentados oficialmente y pueden cambiar en cada release.
Cuando compilas una archivo de Elixir, se crea un archivo con el mismo nombre de tu módulo, pero con la extensión .beam. Este archivo contiene el bytecode de tu programa. Para poder verlo en nuestro editor, necesitamos herramientas especiales. Para VSCode, podemos usar la extensión BEAMdasm.
Aquí podemos ver el ejemplo de lo que genera el programa anterior:
Module: Elixir.Hello
Attributes: [{vsn, [72315C84EFAF57A23F8E5FD7551E9C5D]}]
Compilation Info: [{version, 8.2.2}, {options, [no_spawn_compiler_process, from_core, no_core_prepare, no_auto_import]}, {source, /Users/hectorip/Development/elixir/hello_world/hello_world.exs}]
//Function Elixir.Hello:__info__/1
label01: func_info Elixir.Hello __info__ 1
label02: select_val X[0] label09 [attributes, label08, compile, label08, deprecated, label07, exports_md5, label06, functions, label05, macros, label07, md5, label08, module, label04, struct, label03]
label03: move nil X[0]
return
label04: move Elixir.Hello X[0]
return
label05: move [{greet, 0}] X[0]
return
label06: move 7~�t�jO;_���lS X[0]
return
label07: move nil X[0]
return
label08: move X[0] X[1]
move Elixir.Hello X[0]
call_ext_only 2 erlang:get_module_info/2
label09: call_only 1 label17
//Function Elixir.Hello:greet/0
label10: func_info Elixir.Hello greet 0 //line hello_world.exs, 2
label11: move Hello, world! X[0]
call_ext_only 1 Elixir.IO:puts/1 //line hello_world.exs, 3
//Function Elixir.Hello:module_info/0
label12: func_info Elixir.Hello module_info 0
label13: move Elixir.Hello X[0]
call_ext_only 1 erlang:get_module_info/1
//Function Elixir.Hello:module_info/1
label14: func_info Elixir.Hello module_info 1
label15: move X[0] X[1]
move Elixir.Hello X[0]
call_ext_only 2 erlang:get_module_info/2
//Function Elixir.Hello:-inlined-__info__/1-/1
label16: func_info Elixir.Hello -inlined-__info__/1- 1
label17: jump label16
int_code_end
Como puedes ver después de las etiquetas que tienen nombres como label01, label02, etc., tenemos instrucciones como func_info, select_val, move, return, call_ext_only, call_only, jump, int_code_end, etc. y datos como Elixir.Hello, Hello, world!. Esto es lo que la maquina virtual ya puede ejecutar directamente, o se puede usar para propósitos como optimizaciones si se puede garantizar que la semántica se mantiene.
Ejemplo con JavaScript
También podemos ver el bytecode de JavaScript. Si tienes instalado node en tu computadora puedes correr algo como lo siguiente para ver el bytecode de JavaScript:
node --print-bytecode --eval "console.log('Hello, world!')"
Te dará un motón de código en bytes que es lo que el intérprete de JavaScript ejecuta. Para entender las partes que tiene podemos empezar por aquí: Understanding V8’s Bytecode y aquí Node.js Under the Hood #8 - Understanding Bytecodes
Como puedes, en ambos casos el bytecode no es sencillo, de hecho, pero no está diseñado para que los programadores trabajemos con él.
Resumen
El bytecode es un producto secundario e intermedio de la compilación en algunos lenguajes y entornos de ejecución. En algunos casos es directamente el objeto que la máquina virtual ejecuta y en otros se puede pensar como un caché de la ejecución que se puede usar en las ejecuciones posteriores de un programa para mejorar el rendimiento.
A veces se puede usar el bytecode con otros propósitos, por ejemplo, para hacer optimizaciones en tiempo de ejecución, que es lo que hacen los compiladores bajo de demanda o JIt’s.
Este pequeño artículo tiene el objetivo de que por lo menos veas físicamente lo que muchas veces se menciona como producto de la compilación o interpretación de un programa, pero que no se explica qué es en la mayoría de los casos.
Comentar