Aot

背景 教材里常把编程语言分成 编译型（compiled） 和 解释型（interpreted）。二者是一组相对概念，但现代语言大多落在光谱中间，不宜一刀切。 脚本语言（scripting language） 在日常说法里，往往就是解释型一侧的别名，或更窄一点：强调「缩短 edit-compile-link-run、以源码直接跑、做自动化 / 嵌入」的那一类解释型语言。下文先讲编译 / 解释，再单独说脚本。 两种执行路径 类型 典型流程 运行时依赖 编译型 源码 → 编译器 → 机器码 / 本地二进制 → 直接由 OS 加载执行 一般不需要语言自带的解释器；可内嵌 runtime（如 GC） 解释型 源码（或中间表示）由 解释器 边读边执行 必须安装对应解释器 / 运行时 对照： 编译型（AOT）: 源码 ──compile──► 本地二进制 ──► 运行 解释型: 源码 ──► 解释器逐句执行 字节码 + VM: 源码 ──compile──► 字节码 ──► 解释 / JIT ──► 机器码 「预编译 / ahead-of-time（AOT）」说的是：运行前就编成可执行形态；日常口语里常与「编译型」混用。注意 C 里的「预编译」有时指 #include / #define 的预处理，那是编译流水线的一步，不是语言分类。 ...

是什么 Spring AOT（Ahead-Of-Time）是 Spring Framework 6 / Spring Boot 3 引入的构建期处理机制：在打包或 Native 编译之前，对 Spring ApplicationContext 做静态分析，生成预先计算好的 bean 定义、反射/资源 hint，以及（可选）面向 GraalVM Native Image 的入口代码。 默认 Spring Boot 应用在运行时做 classpath 扫描、@Configuration 解析、条件装配（@Conditional / @ConditionalOn*）和大量反射；Spring AOT 把这些工作尽量前移到构建期，使： 在 HotSpot JVM 上跑的处理后 JAR，启动更快（仍用 java -jar） 在 GraalVM Native Image 路径上，构建器能拿到闭世界分析所需的元数据 不要和 JDK AOT 混淆 博客与 JDK 发行说明里还有另一类「AOT」，含义不同： 名称 层级 做什么 Spring AOT Spring 框架 / Boot 插件 构建期处理 IoC 容器，生成 bean 与 Native hint GraalVM Native Image AOT GraalVM 工具链 字节码 → 本地机器码 + Substrate VM JDK AOT 缓存（JEP 483 等） HotSpot JVM 训练运行后缓存类加载/链接/剖析，缩短下次 JVM 冷启动 Spring AOT 常与 GraalVM Native Image 配合使用，但不是同一 thing；JDK 24+ 的 AOT 缓存与 Spring AOT 可以并存，也互不替代。JDK 侧见 JDK 25 变更汇总、JVM 编译器。 ...

是什么 GraalVM Native Image 是 GraalVM 提供的 AOT（Ahead-Of-Time） 编译路径：在构建期把 Java 应用及其依赖静态分析，编译成本地可执行文件（Linux/macOS/Windows 上的单一二进制或小型目录），运行时不再依赖传统意义上的 java -jar + 完整 JRE/HotSpot 进程模型。 与日常默认的 HotSpot 路径对比： HotSpot: 源码 → javac → .class → java 启动 JVM → 解释/JIT → 运行 Native Image: 源码 → javac → .class → native-image 构建 → 本地二进制 → 直接运行 GraalVM 平台总览见 GraalVM 简介。作为运行时有两种常见用法，不要混为一谈： 作为 HotSpot 上的高性能 JIT 编译器（仍是 java 命令跑字节码） 作为 Native Image 工具链（产出独立可执行文件，本文主题） 为什么用它 维度 HotSpot + JAR Native Image 冷启动 秒级常见（JVM 启动、类加载、Spring 扫描） 毫秒级常见 内存占用 完整 JVM 堆与元空间 无 HotSpot 堆模型；通常更小 镜像/分发 需 JRE 或容器内 Java 运行时 单一二进制 + 可选少量资源文件 峰值吞吐 JIT 预热后通常更强 无 C2 长时间优化，长时间 CPU 密集型可能不如 HotSpot 构建 mvn package 较快 native-image 构建慢，CI 时间显著增加 典型场景：Serverless/函数计算、CLI 工具、Kubernetes 中短生命周期且副本多的 Pod、对启动延迟敏感的边缘服务。 ...