Editace stránky DynamickýPřekladPrakticky

Seminář [https://d3s.mff.cuni.cz/teaching/nswi176/ NSWI176] na [[apidesign:MatFyzu|MatFyz]]u v letním semestru 2019, který pokračoval i na jaře 2021, kdy bylo jeho [https://stream.cuni.cz/cs/Detail/0/12041 čtrnáct dílů zaznamenáno] do více než dvaceti hodin záznamu.



=== I. Představujeme nejrychlejší univerzální virtuální stroj ===

[https://stream.cuni.cz/cs/Detail/0/12041 Záznam úvodní přednášky]. Začínáme historií [[NetBeans]], protože se k přednášce na [[MatFyz]]u určitě hodí. Nemůže chybět zmínka o návrhu [[API]] a mé knížce [http://practical.apidesign.org Practical API Design], aby bylo zřejmé, proč se tomuto kurzu říká ''Practical Dynamic Compilation''! Následuje takové to tradiční povídání o tom, co [[GraalVM]] umí a jak je snadné a jednoduché to nainstalovat (pomocí utilitky '''gu'''), použít a jak strašně rychle pak lze počítat [https://github.com/jtulach/sieve Eratosthénovo síto] v libovolném jazyce. Není to nic převratného, ale pokud jste to ještě někdo neviděl, tak je to vhodná upoutávka k záznamům dalších lekcí.

Je naše [[GraalVM]] implementace '''Ruby''' 10-krát rychlejší než jakákoli jiná? Jak dlouho může trvat vypsat všechna prvočísla? Co je vstupem a co je výstupem [[GraalVM|Graal]] překladače? Jakým nástrojem můžeme zkoumat, co [[GraalVM|Graal]] překladač vlastně uvnitř dělá? Jak napsat vlastní jazyk? Jak vložit implementaci existujícího dynamického jazyka do vlastního Java programu? Dá se to potom také ladit? V [[NetBeans]]? Ve Chrome Dev Tools? Má cenu psát interpretr Céčka?

=== II. Jak fungují moderní překladače? ===

V [https://stream.cuni.cz/cs/Detail/12042/12041 záznamu druhé přednášky] si nejprve dokončíme úvod z minula a povíme si, jak se ''zbavit Javovské virtuální mašiny''! Dynamický překlad je skvělý, ale vyžaduje spoustu metadat. Naštěstí můžeme [[GraalVM]] využít na překlad ''Java kódu'' do '''EXáče'''! To je důležitý střípek v tom, jak [[GraalVM]] ekosystém funguje. Ale protože nás primárně bude zajímat překlad dynamických jazyků, tak si hned také představíme základní trik, který z dynamických jazyků dělá něco, z čeho lze vygenerovat efektivní strojový kód. Pořádně to prodiskutujeme a pak...

Od 35-té minuty následuje skutečné povídání o moderních překladačích: Jak vlastně překládat Javu, Céčko a jiné staticky typované jazyky? Pro osvěžení, co to vlastně  překladače jsou a jak fungují, nám výborně poslouží [https://chrisseaton.com/truffleruby/jokerconf17/ přednáška kolegy Chrise Seatona]. Opravdu je lepší psát překladač v C++ než v Javě? Chcete psát překladač a nebo vás baví psát vlastní garbage collector!? Nevynalézejte znovu kolo a raději si vyklonujte [https://github.com/oracle/graal/ graal repozitoř]. Vaše oblíbené IDE (ať [http://netbeans.org NetBeans] nebo [https://marketplace.visualstudio.com/items?itemName=oracle-labs-graalvm.graalvm-pack VSCode] či [https://docs.oracle.com/en/graalvm/enterprise/21/docs/tools/igv/ Ideal Graph Visualizer] a nebo i jiné) ty zdrojáky bez problémů otevře. Pak už můžete přidávat breakpointy do zdrojáků překladače, spouštět si vaše programy a koukat, jak se překládají. Můžete si i změnit sémantiku překladu, vypsat si ladící hlášky či něco podobného. Jak vaše aplikace, tak váš překladač jsou v Javě a ve vašem vývojovém prostředí se chovají úplně stejně. Avšak ne jen laděním je živ překládající inženýr! My milujeme grafy z překladače, které radostně zkoumáme v [https://docs.oracle.com/en/graalvm/enterprise/21/docs/tools/igv/ IGV]. Stahujte, zkoumejte jednotlivé fáze překladu a bezostyšně přeskakujte mezi IR grafy různých fází, vašimi zdrojáky, zdrojáky překladače. Bez [https://docs.oracle.com/en/graalvm/enterprise/21/docs/tools/igv/ IGV] ani ránu!

=== III. Jak překládají moderní překladače? ===

[https://stream.cuni.cz/cs/detail/12199/12041 Třetí díl záznamu] zahajuje pět minut technických problémů, ale pak již následuje vytvoření Maven projektu v [https://docs.oracle.com/en/graalvm/enterprise/21/docs/tools/igv/ IGV] a jeho zkoumání ze všech možných úhlů. Použijte ''-Dgraal.Dump=:1'' a ''-Dgraal.PrintGraph=Network'' a pojďme se podívat na grafy překladu. S gettery, které se inlinují či neinlinují. Prozkoumejme, jak vypadá IR graf výpočtu průměru. Se smyčkou či bez ní. Jak funguje bytecode parser? Jak se generuje assembler? Jak si můžeme vypsat strojový kód z příkazové řádky? Třída '''Phase''' a její implementace poskytují různé optimalizace: Kanonikalizace uzlů. Znovupoužití hodnot. Eliminace zámků. Jak může debugger spolupracovat s [https://docs.oracle.com/en/graalvm/enterprise/21/docs/tools/igv/ IGV]? Přes '''graph.getDebug().forceDump(...)'''. Tomáš Zezula nám představí GraphBuilderPluginy a dostane domácí úkol...

=== IV. Promluvte si s překladačem: Direktivy ===

[https://stream.cuni.cz/cs/detail/12485/12041 Čtvrtá část záznamu] zkoumá k čemu všemu lze [[GraalVM|Graal překladač]] vlastně použít. Začínáme ukázkou Tomáše Zezuly používající '''GraphBuilderPlugin''' k nahrazení '''SecurityManager'''u no-op konstantou (do 12-té minuty). Takže místo [https://openjdk.java.net/jeps/411 JEP-411], který se snaží '''SecurityManager''' smazat, bychom jej tam mohli nechat a jen eliminovat jakoukoli zátěž, která je s ním spojená, nepoužívá-li se. Zajímavé, že?

Propagace konstant je důležitá optimalizace, kterou budeme hojně používat při práci s [https://github.com/JaroslavTulach/talk2compiler Talk 2 Compiler] demo projektem. A můžeme začít s Trufflem. Co je to '''RootNode.execute'''? Co je to '''CallTarget'''? To je způsob jak z Java módu běhu a překladu přeskočit do "Truffle překladu". Jak se liší Truffle IGV graf od klasického IGV grafu z Javy? Má '''final''' vliv v Javě? A má jej při Truffle překladu? Překlad pro "instanci" RootNodu. Lze používat '''CompilationFinal''' a měnit hodnotu takového políčka - natrénujte si svůj kód na hodnoty, které skutečně používáte. Dejte si ale pozor, ať ten kód natrénujete správně! Kdykoli měníte '''@CompilationFinal''' pole, tak nezapomeňte zavolat '''transferToInterpreterAndInvalidate()'''!  Použijte '''TruffleBoundary''' na vyskočení z "Truffle módu" do "normální" Javy. Tím zabráníte inlinování příliš velkého množství kódu z mnoha metod.

=== V. Promluvte si s překladačem: Profily, bioinformatika a předpoklady ===

Opakování je matka moudrosti a tudíž [https://stream.cuni.cz/cs/Detail/12569/12041 pátá část záznamu] stručně shrne specifika ''Truffle překladu'' a pak pokračuje ve vysvětlování různých dynamických optimalizačních triků. Spekulujme na to, že se nějaký parametr nemění. Trochu program natrénujeme a jen sledujeme, jak se vše zoptimalizuje. A abychom nemuseli pořád psát to samé, tak použijeme profily: '''ConditionProfile''' či '''ValueProfile''' či '''BranchProfile''' či '''createCountingProfile()'''.

Ač tyto triky používáme primárně pro psaní interpretrů, tak jsou obecně užitečné. Pojďme se tedy mrknout, jak si promluvit s překladačem a zrychlit nějakou úlohu z ''bioinformatiky''. Vezmeme si '''BooleanNetwork''' a zkusme ji nějak rychle prohledat. Když porovnáme klasickou (HotSpot) Javu a kód přeložený v Truffle módu, tak Truffle je o 20% rychlejší. Stačí použít direktivu '''@ExplodeLoop'''. Máte-li velké datové struktury, které chcete prohledávat, tak "částečné vyhodnocování" v Truffle módu, je přesně to, co byste měli prozkoumat!

'''Assumption''' (předpoklad) lze použít pro globální spekulaci. Díky tomu je možné přenastavením nějakého stavu zinvalidovat všechny již přeložené kódy, které na tomto stavu závisí. Nakonec si ještě zkusíme napsat polymorfní keš na prohledávání telefonního seznamu. Ale k tomu bude potřeba se ještě vrátit v příští lekci.

=== VI. Promluvte si s překladačem: Keše, abstraktní syntaktické stromy a DSL ===

[https://stream.cuni.cz/cs/Detail/12658/12041 Šestá část] pokračuje zkoumáním keší. Jak kontrolovat velikost generovaného kódu? Co všechno do keše přidávat a kdy s tím již přestat? Mají se kešovat jen nenulové výsledky či i '''null''' hodnoty? Nakonec jsme se do toho opět trochu zamotali: problémem bylo, že jsme používali '''null''' pro dva významy - nenaplněnou keš a keš s neexistující hodnotou. Nakonec se to vyřešilo, ale je vidět, že udělat chybu nemusí být zase tak složité.

Od 13-té minuty se vrháme na syntaktické stromy. Vytvoříme tradičně košatý strom interpretru na sčítání čísílek z pole. Necháme to přeložit a hle, celá ta struktura zmizí a zbyde jen pár instrukcí strojového kódu. No čekali byste to? Což nás dostává k otázce, jaký je vztah či rozdíl mezi programem a daty? Je paměť příliš drahá na ukládání programů? Asi již ne, ale stále zde nějaký rozdíl je. Ve většině případů totiž lze spekulovat na to, že program se měnit nebude a že se budou měnit jen data. Což se také v Trufflu a jeho '''Node''' podtřídách dělá.

Co dál? Ve většině interpretrů se používá více datových typů. A dělat stále '''instanceof''' zpomaluje. Je třeba "přebarvit uzly" podle dat, které zpracovávají. Jde to dělat ručně, ale mnohem jednodušší je použít "Truffle DSL" - doménově specifický jazyk, který nás nechá psát, jen to důležité a většinu kódu dogeneruje. Základem tohoto jazyka jsou takzvané "specializace".

=== VII. Promluvte si s překladačem: Více DSL, práce s pamětí, kontrola běhu a knihovny ===

[https://stream.cuni.cz/cs/Detail/12831/12041 Sedmá část] ukazuje jak definovat "typový systém" dynamického jazyka. Kontrolní otázka: Jaký asi je typový systém JavaScriptu? Ne, nedělám si legraci, něco takového vážně existuje!

Jak v dynamickém jazyku pracovat se zásobníkem? Používejte '''VirtualFrame''' a specializace k ukládání lokálních proměnných. Chcete naimplementovat '''return'''? Vyhoďte '''ControlFlowException'''. Ten samý trik lze použít na '''break''' či '''continue''' a dokonce i na implementaci tail-rekurzivního volání.

Specializace (pevného seznamu) typů v každém nodu/uzlu? Neomezený seznam datových typů a ke každému umět získat jejich nody/uzly? Použijte knihovny! Což je kód: '''Library extends Node'''. Pojďme použít knihovnu jako "abstraktní datový typ" a nadefinujme si jednu popisující typ "pole". Pak už je jednoduché přidávat další a další implementace "pole".

Nakonec si ukážeme, jak opravdu zaregistrovat implementaci vašeho jazyka. Tedy podědit od '''TruffleLanguage''' a použít '''@Registration''' anotaci. Pak již lze používat obecné '''org.graalvm.polyglot''' API a komunikovat s naším jazykem, tak jako s každým jiným Trufflím jazykem.

=== VIII. Domluvte se mezi jazyky a vašimi datovými strukturami ===

[https://stream.cuni.cz/cs/Detail/13019/12041 Osmé pokračování] našeho kurzu se věnuje interoperabilitě mezi jednotlivými Truffle jazyky. A nejen mezi jazyky. Také si ukážeme, jak vystavit vaši vlastní datovou strukturu a nechat ji efektivně zpracovávat pomocí libovolného Trufflího jazyka. Není to ani moc práce a funguje to skvěle a rychle. Hlavně si kvůli něčemu takovému nepište vlastní jazyk!

Posledních dvacet minut je pak věnováno dokončení povídání o správě paměti v dynamických jazycích. Garbage collector si vezmeme z Javy a pak už jen použijeme '''Shape'''/near classes/téměř třídy. Ty se pak stanou spíše součástí "kódu" nežli součástí dat.

=== IX. Štěpán Šindelář: Reimplementace skutečných jazyků ===

[https://stream.cuni.cz/cs/Detail/13512/12041 Devátého pokračování] se ujal Štěpán Šindelář a rozhovořil se o tom, jak pomocí Trufflu naimplementovat '''Python''' a '''R'''ko.

Opakování praktických aspektů toho jak integrovat vlastní programovací jazyk do GraalVM a Truffle ekosystému: launchery - nativni vs. JVM mód, Java embedding - více kontektů a sdílený engine (AST).

V čem je re-implementace existujících programovacích jazyků složitá: chybějící/neexistující dokumentace, nejasný kontrakt ("observable surface" jazyka) - například je chování součástí kontraktu?, problematický design C API pro nativní extenze, který odkrývá příliš mnoho implementačních detailů. Demonstrace těchto problémů na Pythonu a R (GraalPython a R). Povídání o tom jak ve FastR optimalizujeme lazy evaluaci argumentů v Rku.

=== X. Štěpán Šindelář: Volání nativních knihoven z Javy pomocí Truffle NFI ===

V [https://stream.cuni.cz/cs/Detail/13652/12041 desátém pokračování] se Štěpán rozhovořil o zajímavém použítí Truffle interop: o volání do Céčkových knihoven z Javy.

=== XI. Vygenerujte si EXáč z vaší Java apky ===

[https://stream.cuni.cz/cs/Detail/13766/12041 Jedenáctý příběh] je věnován ukázce toho, jaká je Java skvělý ''systémový jazyk''. Nejprve si vychválíme jazyk Go a podíváme se na to, co by Java ještě potřebovala, aby byla stejně dobrá. Ukážeme si jak takovou "native image" pomocí NetBeans ladit. To by jako základní ukázka mohlo stačit.

Od čtyřicáté minuty se zaměříme na to, jak napsat Java JNI metody (ty, které volají do systému) v Javě. Ano, opět Java nad Javou. Díky tomu, že si část naší Java aplikace přeložíme do nativní knihovny, tak pak můžeme efektivněji pracovat s daty z jiných Céčkových knihoven.

Na závěr (od 65-té minuty) nám Tomáš Zezula poví o rozdílu mezi ''jargraalem'' a ''libgraalem''. O tom, jak překládá Graal překladač napsaný v Javě do nativní knihovny. Jaké překážky u toho musel překonat a jaké to má výsledné výhody.

=== XII. Více o Java EXáčích  ===

[https://stream.cuni.cz/cs/Detail/13992/12041 Dvanáctá část] představí [https://www.graalvm.org/docs/tools/dashboard/ GraalVM Dashboard] - nástroj na zkoumání obsahu vygenerovaného pomocí Native Image nástroje. To pak použijeme k tomu, abychom si předpočítali pár tisíc prvočísel dopředu, uložili je do snímku paměti v EXáči a při dalším startu je mohli hned využít.

Od jednadvacáté minuty si pak probereme frameworky, které GraalVM Native Image podporují:
* [https://helidon.io/docs/latest/#/se/guides/02_quickstart Helidon CE] - funguje víceméně samo
* [https://helidon.io/docs/latest/#/mp/guides/02_quickstart Helidon MP] - ukazuje, jak napsat vlastní '''@Feature''' a vynutit initializaci CDI již během AOT překladu
* [https://micronaut.io Micronaut] - eliminuje reflektivní hledání/volání tím, že jej provede již při '''javac''' překladu
* Quarkus - také implementace MP
* Spring - již také podporuje Native Image a díky tomu je teď celý Spring lepší

V šedesáté minutě nastupuje Tomáš Zezula a rozpovídá se o ''izolátech'' - oddělených paměťových prostorech v jednom procesu.

=== XIII. Debugger, profiler a spol. pro každý jazyk ===

Motto [https://stream.cuni.cz/cs/Detail/14087/12041 třináctého pokračování] je: hlavně neztrácejte čas psaním debuggeru! A profileru! A nástroje na code coverage! A vůbec. Prostě si napište vlastní jazyk, přidejte pár metadat a GraalVM již všechny tyto nástroje dodá sama. Ať už to má být debugger ve VSCode, v NetBeans či v Chrome prohlížeči.

Přidat nálepky/taggy do interpretru nějakého jazyka je lehké. Kupodivu je lehké napsat si i vlastní instrument. Stačí podědit po '''TruffleInstrument''' třídě a zaregistrovat ji pomocí anotace. Kdo by však chtěl psát instrumenty v Javě, že?

Mrkněme se tudíž na [https://github.com/oracle/graal/blob/1afe68c64d25b4b5bd2bd150afd760bc39b799ee/tools/docs/Insight.md GraalVM Insight] a pišme instrumenty v JavaScriptu, Pythonu a vůbec libovolném jazyce, který GraalVM podporuje. Pište si podmíněné breakpointy do Céčka v JavaScriptu!

=== XIV: GraalVM Insight a jak přispívat do projektů ===

Ve [https://stream.cuni.cz/cs/Detail/14142/12041 čtrnácté části] pojďme nejprve dokončit povídání o [https://github.com/oracle/graal/blob/1afe68c64d25b4b5bd2bd150afd760bc39b799ee/tools/docs/Insight.md GraalVM Insight]u, který spojuje dvě unikátní vlastnosti [[GraalVM]]: interop a instrumentaci.

Napište si dynamickou podmínku do svého programu a v kritické situaci vygenerujte '''.hprof''' soubor - snímek paměti, zásobníku, atd. Takový soubor můžete analyzovat ve [http://visualvm.github.io/ VisualVM], ale také jej lze zpracovat pomocí dynamických jazyků. A nejen to, také jej lze přehrát v libovolném debuggeru. Ať žije post-mortem ladění!

Od pětačtyřicáté minuty pak následuje povídání o tom, jak přispívat do Open Source projektů. Původně jsem tuto přednášku napsal pro NetBeans, ale zda se obecně platná. Doporučuji ji zvláště, budete-li chtít zápočet. Ten se totiž dává za přijatý pull request do nějaké GraalVM repozitoře. Nezapomeňte podepsat [https://oca.opensource.oracle.com/ OCA] - bez toho to nejde.