Lazy evaluation method in the component environments

• Autorzy: Kniotek M.

Warianty tytułu

PL

Metoda „lazy evaluation” w środowiskach komponentowych

• Języki publikacji: EN

Abstrakty

EN

This paper describes the manually use of the lazy evaluation code optimization method in the component environments such as Java VM, MS .NET, Mono. Despite the implemented solutions in optimizers, there are occurrences when manual code optimization can accelerate execution of programs. In component environments, due to the optimization performed during JIT (Just In Time) compilation, the code cannot be fully optimized because of the short time available. JIT optimization takes place during execution of the currently used part of the code. That is the reason why the time spent on searching the best optimization methods must be balanced between the program response time and the choice of optimal optimization. This article presents optimization method ending with conclusion to answer in which component environment is recommended to use a given method manually. The presented method is called lazy evaluation.

PL

Artykuł opisuje użycie metody optymalizacji kodu “lazy evaluation” w środowiskach komponentowych (Java VM, MS .NET, Mono). Pomimo zaimplementowanych rozwiązań w optymalizatorach, występują przypadki, gdy doraźne zoptymalizowanie kodu skutkuje przyspieszeniem pracy programu. Optymalizacja kodu jest przeprowadzana podczas kompilacji JIT (Just In Time) w środowiskach komponentowych, dlatego kod nie może zostać w pełni zoptymalizowany. Optymalizacja i kompilacja następuje w momencie wywołania danej części kodu przez aplikację. Skutkuje to ograniczonym czasem, który jest dostępny na poszukiwanie najlepszej optymalizacji. Dostępny czas musi zostać zbalansowany pomiędzy czas odpowiedzi programu, a wybór optymalnej metody optymalizacji. Artykuł zakończono wnioskami, które pozwalają odpowiedzieć na pytanie, kiedy użycie metody “lazy evaluation” jest zalecane.

Słowa kluczowe

EN

code optimization; component environments; lazy evaluation

PL

optymalizacja kodu; środowiska komponentowe; lazy evaluation

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Advances in Computer Science Research
• Rocznik: 2013
• Tom: Nr 10
• Strony: 53--65
• Opis fizyczny: Bibliogr. 17 poz., tab.

Twórcy

autor

Kniotek M.

• AGH University of Science and Technology, Kraków, Poland

Bibliografia

• [1] Aho A. V., Lam M. S., Sethi R., Ullman. J. D. (2006), Compilers. Principles, Techniques, and Tools (second edition), Prentice Hall, Upper Saddle River.
• [2] Aycock J. (2003), A brief history of just-in-time., ACM Computing Surveys, 35(2), 97–113.
• [3] Gray J. (2003), Writing Faster Managed Code: Know What Things Cost. MSDN Library, 06.2003.
• [4] Calhoun, J., Graham, J., Hong Zhou, Hai Jiang (2012), Acceleration of Generalized Minimum Aberration Designs of Hadamard Matrices on Graphics Processing Units., 2012 IEEE 9th International Conference on High Performance Computing and Communication, Liverpool, 25-27 June 2012.
• [5] Filipovic, J., Fousek, J., Lakomy, B., Madzin, M. (2012), Automatically Optimized GPU Acceleration of Element Subroutines in Finite Element Method., 2012 Symposium on Application Accelerators in High Performance Computing (SAAHPC), Chicago IL, 10-11 July 2012.
• [6] Hind M. (2006), Dynamic Compilation and Adaptive Optimization in Virtual Machines, http://www.research.ibm.com/people/h/hind/ACACES06. pdf, available 07.07.2012.
• [7] Jones, D.R., Schlick, R.O., Marcia, R.F. (2012), Compressive video recovery with upper and lower bound constraints., 2012 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Kyoto, 25-30 March 2012.
• [8] Kaaniche, M., Pesquet-Popescu, B., Pesquet, J.-C. (2012), l1-adapted non separable vector lifting schemes for stereo image coding., Signal Processing Conference (EUSIPCO), 2012 Proceedings of the 20th European, Bucharest, 27-31 Aug. 2012.
• [9] Kalibera T., Tuma P. (2006), Precise regression benchmarking with random effects: Improving Mono benchmark results., Formal Methods and Stochastic Models for Performance Evaluation, LNCS, 4054, 63–77.
• [10] Lin S., PingW., Fuqiang L. (2012), Particle swarm optimization based resource block allocation algorithm for downlink LTE systems., 2012 18th Asia-Pacific Conference on Communications (APCC), Jeju Island, 15-17 Oct. 2012.
• [11] McCarthy J., Abrahams P. W., Edwards D. J., Hart T. P., Levin M. I. (1962), LISP 1.5 PROGRAMMER’S MANUAL, http://www.dtic.mil/cgi-bin/ GetTRDoc?AD=AD0406138&Location=U2&doc=GetTRDoc.pdf, available 05.12.2013.
• [12] Microsoft (2004), CLR (Common Language Runtime), http://msdn. microsoft.com/pl-pl/netframework/cc511286, available 05.12.2013.
• [13] Mudge, J.C., Chandrasekhar, P., Heinson, G.S., Thiel, S. (2011), Evolving Inversion Methods in Geophysics with Cloud Computing - A Case Study of an eScience Collaboration. E-Science (e-Science), 2011 IEEE 7th International Conference on 5-8 Dec..
• [14] Noriskin G. (2003), Writing High-Performance Managed Applications: A Primer., MSDN Library, 06.2003.
• [15] Oracle Documentation (2009), Understanding JIT Compilation and Optimizations, http://docs.oracle.com/cd/E13150_01/jrockit_jvm/jrockit/ geninfo/diagnos/underst_jit.html, available 05.12.2013.
• [16] Piórkowski A., ˙ Zupnik M. (2010), Loop optimization in manager code environments with expressions evaluated only once., TASK QUARTERLY, 14(4), 397–404.
• [17] Tsai, M.-H., Sung, J.-T., Huang, Y.-M. (2010), Resource management to increase connection capacity of real-time streaming in mobile WiMAX., Communications, IET 4(9), 1108 - 1115.