首先,让我们来思考下面几个问题:
什么是Dalvik虚拟机?
Dalvik VM与JVM有什么区别?
Dalvik VM有什么新的特点?
Dalvik VM的架构是怎么样的?
什么是Dalvik虚拟机?没有人给出过一个明确的定义,但是,我们似乎可以从人们对Java虚拟机的描述中得到些信息。
Java虚拟机(JVM)是一个虚构出来的计算机,是通过在实际的计算机上仿真模拟各种计算机功能来实现的。它有自己完善的硬件架构(如处理器、堆栈、寄存器等),还具有相应的指令系统。使用“Java虚拟机”程序就是为了支持与操作系统无关、在任何系统中都可以运行的程序。
因此,我们不妨对Dalvik虚拟机作出这样的描述:
Dalvik虚拟机是Android程序的虚拟机,是Android中Java程序的运行基础。其指令集基于寄存器架构,执行其特有的文件格式——dex字节码来完成对象生命周期管理、堆栈管理、线程管理、安全异常管理、垃圾回收等重要功能。它的核心内容是实现库(libdvm.so),大体由C语言实现。依赖于Linux内核的一部分功能——线程机制、内存管理机制,能高效使用内存,并在低速CPU上表现出的高性能。每一个Android应用在底层都会对应一个独立的Dalvik虚拟机实例,其代码在虚拟机的解释下得以执行。
与Dalvik虚拟机关系最密切的非JVM莫属,在Android源码readme文档中有这样一段话:Much of the code under this directory originally came from the Apache Harmony project, and as such contains the standard Apache header comment. Some of the code was written originally for the Android project…
Dalvik VM与Apache Harmony 项目关系源远流长,因此,与JVM关系自然就密切了。
然而:Dalvik VM ≠Java VM
dalvik基于寄存器,而JVM基于stack
Dalvik执行的是特有的DEX文件格式,而JVM运行的是*.class文件格式。
优势:1、在编译时提前优化代码而不是等到运行时
2、 虚拟机很小,使用的空间也小;被设计来满足可高效运行多种虚拟机实例。
3、常量池已被修改为只使用32位的索引,以 简化解释器
JVM的字节码主要是零地址形式的,概念上说JVM是基于栈的架构。Google Android平台上的应用程序的主要开发语言是Java,通过其中的Dalvik VM来运行Java程序。为了能正确实现语义,Dalvik VM的许多设计都考虑到与JVM的兼容性;但它却采用了基于寄存器的架构,其字节码主要是二地址/三地址的混合形式。
基于栈与基于寄存器的架构,谁更快?现在实际的处理器,大多都是基于寄存器的架构,从侧面反映出基于寄存器比基于栈的架构更与实际的处理器接近。但对于VM来说,源架构的求值栈或者寄存器都可能是用实际机器的内存来模拟的,所以性能特性与实际硬件又有不同。一般认为基于寄存器架构的Dalvik VM比基于栈架构JVM执行效率更高,原因是:虽然零地址指令更紧凑,但完成操作需要更多的load/store指令,也意味着更多的指令分派(instruction dispatch)次数与内存访问次数;访问内存是执行速度的一个重要瓶颈,二地址或三地址指令虽然每条指令占的空间较多,但总体来说可以用更少的指令完成操作,指令分派与内存访问次数都较少。
我们从下面的截图可以明了的看到与同一段Java代码对应的Java bytecode 与Dalvid bytecode的比较。
专有的DEX文件格式
一个应用中会定义很多类,编译完成后即会有很多相应的CLASS文件,CLASS文件间会有不少冗余的信息。
dex字节码和标准Java的字节码(Class)在结构上的一个区别是dex字节码将多个文件整合成一个,这样,除了减少整体的文件尺寸,I/O操作,也提高了类的查找速度。
原来每个类文件中的常量池现在由DEX文件中一个常量池来管理。
DEX文件可以进行进一步优化。优化主要是针对以下几个方面:
1、调整所有字段的字节序(LITTLE_ENDIAN)和对齐结构中的没一个域
2、验证DEX文件中的所有类
3、对一些特定的类进行优化,对方法里的操作码进行优化
优化 优化后的文件大小会有所增加,应该是原DEX文件的1-4倍。
odex是为了在运行过程中进一步提高性能,对dex文件的进一步优化
一个应用,一个虚拟机实例,一个进程!!!
每一个Android应用都运行在一个Dalvik虚拟机实例里,而每一个虚拟机实例都是一个独立的进程空间。每个进程之间可以通信(IPC,Binder机制实现)。虚拟机的线程机制,内存分配和管理,Mutex等等都是依赖底层操作系统而实现的。
不同的应用在不同的进程空间里运行,当一个虚拟机关闭或意外中止时不会对其它 虚拟机造成影响,可以最大程度的保护应用的安全和独立运行。
Zygote是虚拟机实例的孵化器。AndroidRuntime.cpp中ZygoteInit.main()的执行会完成一个分裂,分裂出来的子进程继续初始化Java层的架构,这个分裂出来的进程就是system_server。每当系统要求执行一个Android应用程序,Zygote就会FORK出一个子进程来执行该应用程序。这样做的好处显而易见:Zygote进程是在系统启动时产生的,它会完成虚拟机的初始化,库的加载,预置类库的加载和初始化等等操作,而在系统需要一个新的虚拟机实例时,Zygote通过复制自身,最快速的提供个系统。另外,对于一些只读的系统库,所有虚拟机实例都和Zygote共享一块内存区域,大大节省了内存开销。
相关推荐
基于苍鹰优化算法的NGO支持向量机SVM参数c和g优化拟合预测建模(Matlab实现),苍鹰优化算法NGO优化支持向量机SVM的c和g参数做多输入单输出的拟合预测建模。 程序内注释详细直接替数据就可以使用。 程序语言为matlab。 程序直接运行可以出拟合预测图,迭代优化图,线性拟合预测图,多个预测评价指标。 PS:以下效果图为测试数据的效果图,主要目的是为了显示程序运行可以出的结果图,具体预测效果以个人的具体数据为准。 2.由于每个人的数据都是独一无二的,因此无法做到可以任何人的数据直接替就可以得到自己满意的效果。 ,核心关键词:苍鹰优化算法; NGO优化; 支持向量机SVM; c和g参数; 多输入单输出拟合预测建模; Matlab程序; 拟合预测图; 迭代优化图; 线性拟合预测图; 预测评价指标。,MATLAB实现:基于苍鹰优化算法与NGO优化SVM的c和g参数多输入单输出预测建模工具
麻雀优化算法SSA优化广义神经网络GRNN的多特征输入单变量输出拟合预测模型(Matlab实现),麻雀优化算法SSA优化广义神经网络GRNN做多特征输入,单个因变量输出的拟合预测模型。 程序内注释详细直接替数据就可以用。 程序语言为matlab。 ,关键词:麻雀优化算法(SSA);优化;广义神经网络(GRNN);多特征输入;单个因变量输出;拟合预测模型;Matlab程序语言;程序内注释。,SSA优化GRNN的多特征输入-单因变量输出拟合预测模型(基于Matlab程序)
2025最新辐射安全与防护培训考试题库及答案.docx
高效数字电源方案:图腾柱无桥pfc技术,两相交错设计,5G一体化电源批量出货,宽电压输入与高效输出,功率覆盖至kW级别,高效数字电源方案,图腾柱无桥pfc,两相交错,5g一体化电电源上已批量出,输入175-265V,输出42-58V;输出效率97%,2kW 3kW都有 ,高效数字电源方案; 图腾柱无桥pfc; 两相交错; 5g一体化电电源; 批量出货; 宽输入电压范围; 高输出效率; 2kW和3kW功率。,"高效图腾柱无桥PFC电源方案,两相交错5G电平已大批量生产,宽输入范围输出高效率"
项目已获导师指导并通过的高分毕业设计项目,可作为课程设计和期末大作业,下载即用无需修改,项目完整确保可以运行。 包含:项目源码、数据库脚本、软件工具等,该项目可以作为毕设、课程设计使用,前后端代码都在里面。 该系统功能完善、界面美观、操作简单、功能齐全、管理便捷,具有很高的实际应用价值。 项目都经过严格调试,确保可以运行!可以放心下载 技术组成 语言:java 开发环境:idea 数据库:MySql8.0 部署环境:Tomcat(建议用 7.x 或者 8.x 版本),maven 数据库工具:navicat
2025糖医帮认证考试题库(附含答案).docx
MATLAB下的模型预测控制在楼宇负荷需求响应中的研究与应用:结合热力学与舒适度考量,MATLAB代码:基于模型预测控制的楼宇负荷需求响应研究 关键词:楼宇负荷 空调 模型预测控制 需求响应 参考文档:《Model Predictive Control of Thermal Storage for Demand Response》完全复现 仿真平台:MATLAB+CVX平台 主要内容:代码主要做的是一个建筑楼宇的需求响应问题,首先利用楼宇的储热特性,结合热力学方程构建了其储热模型,其次,考虑在动态能量电价的引导下,对楼宇负荷进行需求侧管理,从而能够对其负荷曲线进行改善,在需求响应的过程中也考虑了用户的舒适度,相对来讲比较全面,模型的求解采用的是较为创新的模型预测控制算法,更加创新,而且求解的效果更好,店主已经对代码进行了深入的加工和处理,出图效果非常好,代码质量非常高 ,关键词:楼宇负荷; 空调; 模型预测控制; 需求响应; 储热模型; 动态能量电价; 舒适度; MATLAB代码; CVX平台; 深入处理。,基于MATLAB的模型预测控制研究:楼宇负荷需求响应管理与优化
樽海鞘优化算法SSA:Matlab实现与基准测试函数详解,樽海鞘优化算法 SSA (matlab代码,包含23个常用的基准测试函数)可直接运行效果如图所示 ,核心关键词:樽海鞘优化算法(SSA); Matlab代码; 基准测试函数; 可直接运行; 效果图。,樽海鞘优化算法SSA的Matlab实现:23个基准测试函数直接运行效果图
基于主从博弈的电热综合能源系统动态定价策略与能量管理优化模型——粒子群算法与CPLEX求解器的应用,MATLAB代码:基于主从博弈的电热综合能源系统动态定价与能量管理 关键词:主从博弈 电热综合能源 动态定价 能量管理 参考文档:店主自编文档,完全复现 仿真平台:MATLAB 平台 优势:代码具有一定的深度和创新性,注释清晰,非烂大街的代码,非常精品 主要内容:代码主要做的是电热综合能源系统的动态定价问题,采用是主从博弈方法,上领导者问题上,以综合能源系统整体的收益作为目标函数,考虑电价以及热价等相关约束,在下层跟随者模型上,以用户用能满意度最高为目标函数,构建了领导者-跟随者Stackelberg博弈模型,同时还考虑了系统的功率平衡条件以及热能平衡条件等约束,模型的上层求解采用粒子群算法,下层求解采用CPLEX求解器,考虑该代码具有一定的创新性,适合新手学习以及在此基础上进行拓展,代码质量非常高 ,基于主从博弈; 电热综合能源系统; 动态定价; 能量管理; Stackelberg博弈模型; 粒子群算法; CPLEX求解器。,基于主从博弈的电热综合能源系统动态定价与能量管理MA
Python游戏编程源码-Python编码生成系统.zip
哈里斯鹰优化算法HHO Matlab代码展示与性能评测报告(涵盖多项基准测试),哈里斯鹰优化算法 HHO (matlab代码,包含23个常用的基准测试函数)可直接运行效果如图所示 ,核心关键词:哈里斯鹰优化算法(HHO); MATLAB代码; 基准测试函数; 可直接运行; 效果如图所示; 23个常用函数。,"HHO算法Matlab实现:23个基准测试函数优化效果图解"
2025中药鉴定技术考试题库及答案.docx
基于主从博弈的电热综合能源系统动态定价与能量管理策略优化——粒子群算法与CPLEX求解器的应用,MATLAB代码:基于主从博弈的电热综合能源系统动态定价与能量管理 超值 关键词:主从博弈 电热综合能源 动态定价 能量管理 粒子群算法 cplex求解 参考文档:店主自编文档,完全复现 仿真平台:MATLAB 平台 主要内容:代码主要做的是电热综合能源系统的动态定价问题,采用是主从博弈方法,上领导者问题上,以综合能源系统整体的收益作为目标函数,考虑电价以及热价等相关约束,在下层跟随者模型上,以用户用能满意度最高为目标函数,构建了领导者-跟随者Stackelberg博弈模型,同时还考虑了系统的功率平衡条件以及热能平衡条件等约束,模型的上层求解采用粒子群算法,下层求解采用CPLEX求解器,考虑该代码具有一定的创新性,适合新手学习以及在此基础上进行拓展,代码跑出质量甚佳 ,主从博弈; 电热综合能源; 动态定价; 能量管理; 粒子群算法; cplex求解; 创新; 新手学习,基于主从博弈的电热综合能源系统动态定价与能量管理策略:粒子群算法与Cplex求解的MATLAB实现
基于碳捕集电厂低碳特性与综合能源系统的多时间尺度电热调度模型:灵活运行与需求响应协同优化。,计及碳捕集电厂低碳特性 需求响应 综合能源系统 多时间尺度调度模型 MATLAB代码: 关键词:碳捕集电厂 综合灵活运行方式 需求响应 日前调度 实时调度 参考文档:《计及碳捕集电厂低碳特性的含风电电力系统源-荷多时间尺度调度方法》非完全复现,只做了日前日内部分,并在上述基础上改进升级为电热综合电源系统 仿真平台:MATLAB yalmip+cplex 主要内容:代码主要做的是一个电厂 微网多时间尺度电热综合能源系统低碳经济调度模型,源侧在碳捕集电厂中装设烟气旁路系统与溶液存储器,形成碳捕集电厂综合灵活运行方式进而与风电协调配合;荷侧调用不同响应速度的价格型、激励型需求响应资源克服多时间尺度下碳捕集电厂综合灵活运行方式的局限,通过源荷资源协调优化,从而提高系统的低碳性能。 其次,构建源荷协调的日前-日内两阶段低碳经济调度模型,优化系统的负荷及分配计划。 ,关键词:碳捕集电厂;综合灵活运行方式;需求响应;日前调度;实时调度;电热综合能源系统;多时间尺度调度模型;源荷协调
项目已获导师指导并通过的高分毕业设计项目,可作为课程设计和期末大作业,下载即用无需修改,项目完整确保可以运行。 包含:项目源码、数据库脚本、软件工具等,该项目可以作为毕设、课程设计使用,前后端代码都在里面。 该系统功能完善、界面美观、操作简单、功能齐全、管理便捷,具有很高的实际应用价值。 项目都经过严格调试,确保可以运行!可以放心下载 技术组成 语言:java 开发环境:idea 数据库:MySql8.0 部署环境:Tomcat(建议用 7.x 或者 8.x 版本),maven 数据库工具:navicat
Python游戏编程源码-pygame编植物大战僵尸2
风速对空调实验室气流分布均匀性的影响分析.pdf
粒子滤波算法在目标跟踪中的实践与源码解析集合:多套系统源码包括基于meanshift的应用、MATLAB实现及与卡尔曼滤波比较,粒子滤波(器)滤波(器)及应用源码集合目标跟踪提取图像特征 以下多套系统源码 1、基于meanshift和粒子滤波的目标跟踪代码 2、MATLAB编写的粒子滤波器的源代码 3、粒子滤波算法实例 4、粒子滤波mcmc介绍 5、粒子滤波算法 matlab(粒子滤波用于剩余寿命预测的实例代码 MATLAB语言编写 附有详细代码说明) 6、粒子滤波matlab代码(能够运行。 Pf粒子滤波实现的目标跟踪程序,可实现针对非高斯噪声情况下的跟踪) 7、粒子滤波代码(三个粒子滤波的演示程序,一个滤波,一个目标跟踪,一个机器人定位) 8、发个Matlab实现粒子滤波算法的程序 9、粒子滤波的简介和5中matlab程序仿真 10、粒子滤波代码与卡尔曼做比较(这是用于目标跟踪的粒子滤波代码, 用matlab编写的,很有借鉴性,一维情况下, 非高斯非线性,其中将扩展卡尔曼滤波与粒子滤波进行比较,更好的说明了粒子滤波的优越性) 11、EKF,UKF和PF粒子滤波的性能(对比分析EKF
1、资源内容地址:https://blog.csdn.net/2301_79696294/article/details/144633829 2、数据特点:今年全新,手工精心整理,放心引用,数据来自权威,且标注《数据来源》,相对于其他人的控制变量数据准确很多,适合写论文做实证用 ,不会出现数据造假问题 3、适用对象:大学生,本科生,研究生小白可用,容易上手!!! 4、课程引用: 经济学,地理学,城市规划与城市研究,公共政策与管理,社会学,商业与管理