この記事では、YJITやZJITなどのRubyのJITコンパイラの内部動作を詳しく解説します。JITコンパイルされたコードがバイトコードとどのように共存し、Rubyが実行モードを切り替える仕組みを説明します。また、Rubyがどのメソッドをコンパイルするか（呼び出し回数に基づく）、そしてJITコンパイルされたコードがインタプリタに戻る状況（TracePointの有効化やコアメソッドの再定義など）についても明らかにします。要するに、RubyのJITコンパイラは、巧妙なメカニズムによってパフォーマンスと正確性のバランスを取っています。
続きを読む
10年間Rubyオンリーだった開発者が、CursorやClaude CodeといったAIコーディングツールのおかげで、1年足らずでC++、C、Rustといった複数の言語を習得した経験を共有しています。AIの支援によって、システムプログラミング言語の学習における困難を克服し、Sorbet、RBS、ZJITといったプロジェクトへの効率的な貢献を可能にしました。AIはコードを生成するのではなく、補完的なスキルを持つペアプログラマーとして機能し、構文やパターンを明確化し、質問に答えることで、学習曲線を大幅に短縮し、初日から意味のある貢献を可能にしました。AIは学習を加速させますが、人間の専門知識は軌道修正に不可欠です。AI支援プログラミングがソフトウェア開発の未来だと考えています。
続きを読む
Ruby 3.5では、Class#newメソッドのインライン化によって、オブジェクトアロケーションの速度が最大6倍に向上しました。この記事では、この最適化の詳細について解説し、ベンチマーク結果、パフォーマンスボトルネックの分析、インライン化技術の実装原理を説明します。メソッド呼び出しのオーバーヘッドの排除、パラメータコピーの削減、インラインキャッシュのヒット率向上により、Rubyのオブジェクトアロケーションのパフォーマンス問題が効果的に解決されましたが、わずかな後方互換性の問題も発生しています。
続きを読む
Shopifyのエンジニアは、型注釈なしでRubyプログラムの型情報を推論する、斬新な静的型解析器を開発しました。この解析器は、改良されたSparse Conditional Constant Propagation (SCCP)アルゴリズムと正確なデータフロー追跡を活用して、関数間の型解析を効率的に処理し、多数のクラスを含むプログラムでも数秒で解析を完了します。この研究は、動的言語コンパイラの最適化に新たなアプローチを提供し、Rubyなどの動的言語のパフォーマンス向上に新たな可能性を切り開きます。
続きを読む
この記事では、Just-In-Time（JIT）コンパイルを使用して、RubyのForeign Function Interface（FFI）のパフォーマンスを向上させる方法を探ります。ベンチマークテストでは、FFIがネイティブエクステンションと比較してパフォーマンスが劣っていることが示されています。著者は、RJITとカスタムマシンコード生成ツールを利用して、外部関数を呼び出すためのランタイムマシンコードを生成し、FFIのオーバーヘッドを回避するFJITというソリューションを紹介しています。テストの結果、FJITはネイティブエクステンションよりも優れたパフォーマンスを示し、高性能を求めるRuby開発者にとって新たな選択肢となります。現在、FJITはARM64アーキテクチャのみをサポートするプロトタイプですが、将来的には他のアーキテクチャやより複雑な関数呼び出しへの拡張が期待されています。
続きを読む