本文深入探讨了 Ruby 的 JIT 编译器（例如 YJIT 和 ZJIT）的工作原理。它解释了 JIT 编译的代码如何与字节码共存，以及 Ruby 如何在两者之间切换执行。文章还阐述了 Ruby 如何决定编译哪些方法（基于调用次数），以及 JIT 代码在哪些情况下会回退到解释器执行（例如，TracePoint 激活或核心方法被重新定义）。总而言之，Ruby 的 JIT 编译器通过一个巧妙的机制，在性能和正确性之间取得了平衡。
阅读更多
一位十年只用Ruby的开发者，借助AI编程工具Cursor和Claude Code，一年内掌握了C++、C和Rust等多种语言。文章讲述了作者如何在AI的辅助下，克服学习系统编程语言的困难，并高效地参与到Sorbet、RBS和ZJIT等项目的开发中。AI并非直接编写代码，而是作为一名具备互补技能的编程伙伴，帮助作者理解语言语法、常用模式，并解答疑问，从而大大缩短了学习曲线，使作者能够从第一天起就做出有意义的贡献。作者认为，AI加速了学习过程，但人类专家的经验仍然不可替代，AI和人类协作是未来编程趋势。
阅读更多
Ruby 3.5 通过内联 Class#new 方法显著提升了对象分配速度，最高可达 6 倍。文章深入探讨了这项优化的细节，包括基准测试结果、性能瓶颈分析以及内联技术的实现原理。通过避免方法调用开销，减少参数复制，并提升内联缓存命中率，这项优化有效解决了 Ruby 对象分配的性能问题，但同时也带来了一些细微的向后兼容性问题。
阅读更多
Shopify工程师们开发了一种创新的静态类型分析器，无需类型注解即可推断Ruby程序的类型信息。该分析器通过改进的Sparse Conditional Constant Propagation (SCCP)算法和精确的数据流跟踪，实现了对函数间类型分析的高效处理，即使在处理包含大量类的程序时，也能在几秒钟内完成分析。这项研究为动态语言编译器的优化提供了新的思路，为Ruby等动态语言的性能提升开辟了新的可能性。
阅读更多
本文探讨了如何通过即时编译(JIT)技术提升 Ruby 的 FFI (Foreign Function Interface) 性能。作者通过基准测试展示了 FFI 相比原生扩展的性能劣势，并提出了一种名为 FJIT 的解决方案。FJIT 利用 RJIT 和自定义的机器码生成工具，在运行时生成机器码来调用外部函数，从而绕过 FFI 的开销。测试结果显示，FJIT 的性能甚至优于原生扩展，为追求高性能的 Ruby 开发者提供了一种新的选择。目前 FJIT 仍处于原型阶段，仅支持 ARM64 架构，但作者相信未来可以扩展到其他架构和更复杂的函数调用。
阅读更多
Shopify在其Rails单体应用中实现了新一代带外垃圾回收机制，通过完全禁用请求周期内的主垃圾回收，并根据需要手动触发，显著降低了应用延迟。测试结果显示，新机制大幅降低了p95、p99等高百分位延迟，并改善了服务平均延迟和p99延迟。虽然对容量的影响不如预期，但在部署暂停期间，新机制的运行频率远低于旧版本。未来，Shopify计划进一步优化次要垃圾回收，以减少请求在垃圾回收上花费的时间。
阅读更多
2024年上半年，Ruby LSP在代码导航方面取得了重大进展，这得益于其索引器的改进。本文深入探讨了Ruby LSP在代码导航方面的重大改进，包括对单例方法、局部变量、继承和混合、Ruby核心类和模块以及Rails插件的增强功能。此外，还介绍了祖先层次结构请求和猜测类型等实验性功能。
阅读更多
此网站提供了有关如何使用 Autotuner 加速 Rails 应用程序的指南。指南涵盖了 Autotuner 的概述、所需的环境设置以及如何分析报告结果。还讨论了使用 Autotuner 的常见问题，例如防止脚本干扰生产环境。文章的结尾提供了额外的资源，以供读者进一步了解 Autotuner。
阅读更多