为什么需要

计算机只能执行机器码（二进制指令）。

而人类写代码用的是高级语言。编译器和解释器就是把高级语言转成可执行形式的中介。

编译器（Compiler）

工作方式：把整个源程序一次性翻译成目标代码（机器码或中间代码），然后执行。

流程（简化）：

  1. 词法分析：把字符流切分成 token（关键字、标识符、运算符等）；
  2. 语法分析：根据语法规则构建抽象语法树（AST）；
  3. 语义分析：类型检查、作用域检查等；
  4. 中间代码生成；
  5. 优化：常量折叠、死代码消除、循环优化、内联等；
  6. 目标代码生成：生成机器码（或汇编）；
  7. 链接：把多个目标文件和库合并成可执行文件。

代表：C、C++、Rust、Go。

优点：执行快（编译期完成优化，运行时直接执行机器码）。

缺点：编译需要时间；跨平台需要重新编译。

解释器（Interpreter）

工作方式：逐行读取源代码，边解释边执行。

代表（经典）：早期的 BASIC、Shell 脚本。

优点：启动快，跨平台容易（同一份源码在不同平台的解释器上运行）。

缺点：执行慢（每次执行都要重新分析源码）。

现代语言：混合方案

纯粹的编译或解释已经少见，主流是混合：

一、字节码 + 虚拟机

代表：Java（JVM）、Python（CPython）、C#（.NET CLR）。

流程：

  1. 源代码编译成字节码（Bytecode）——一种平台无关的中间表示；
  2. 虚拟机（VM）解释执行字节码，或进一步编译成机器码。

优势：

  • 跨平台：字节码是统一的，各平台只需实现虚拟机（"Write Once, Run Anywhere"）；
  • 比纯解释快（字节码更接近机器指令，省去了重复的语法分析）。

二、即时编译（JIT，Just-In-Time）

思路：运行时把"热点代码"编译成机器码。

流程：

  1. 先解释执行（或执行字节码）；
  2. 监控哪些代码被频繁执行（热点）；
  3. 把这些热点代码动态编译成本地机器码；
  4. 后续执行直接使用编译后的机器码。

代表：Java HotSpot JVM、JavaScript 的 V8 引擎、.NET。

优势：

  • 结合了编译的速度和解释的灵活性；
  • 可以进行基于运行时信息的优化（这是静态编译做不到的）——比如发现某个函数在运行时总是收到整数参数，就生成针对整数的特化版本。

代价：启动时需要"预热"（JIT 编译需要时间），因此短生命周期的程序（如一次性脚本）可能感觉不到 JIT 的好处。

三、提前编译（AOT，Ahead-Of-Time）

与 JIT 相对：在程序运行之前就编译成机器码。

代表：Go、Rust、C/C++，以及 Java 的 GraalVM Native Image、.NET 的 AOT。

优势：启动快（无需预热），适合短生命周期进程和Serverless 场景（冷启动时间敏感）。

一个对比

特性纯编译纯解释字节码+JIT
执行速度最快慢接近编译（预热后）
启动速度慢（要编译）快中等（要预热）
跨平台差好好
运行时优化无无有

一个实用含义

Python 慢的原因：CPython 是解释执行字节码的，且是动态类型——每次操作都要做类型检查和方法查找。

优化路径：

  • PyPy：带 JIT 的 Python 实现，对纯 Python 代码可达数倍加速；
  • NumPy：把密集计算交给底层的 C/Fortran 实现；
  • Cython / C 扩展：把热点代码编译成机器码；
  • Numba：用装饰器把数值函数 JIT 编译。

说明：本文为编译原理的知识整理。