为什么JVM上没有C#语言？浅谈Type Erasure特性
2010-02-22 23:50 by 老赵, 12075 visits每次提到语言的时候我总是忍不住骂Java是一门生产力低下，固步自封的语言——这估计要一直等到Java语言被JVM上的其他语言取代之后吧。JVM上目前已经有许多语言了：JRuby，Jython;还有一些特定于JVM平台的语言，如Scala和Groovy等等。但是，为什么JVM上没有C#语言呢？按理说，这门和Java十分相似，却又强大许多的语言更容易被Java程序员接受才对。您可能会说，Sun和微软是对头，怎么可能将C#移植到JVM平台上呢？嗯，有道理，但是为什么社区里也没有人这么做呢（要知道JVM上其他语言都是由社区发起的）？其实在我看来，这还是受到了技术方面的限制。
泛型是Java和C#语言的重要特性，它使得程序员可以方便地进行类型安全的编程，而不需要像以前那样不断进行类型转换。例如，我们要在Java中写一个泛型字典的封装便可以这么做：
public class DictWrapper{ private HashMap<K, V> m_container = new HashMap<K, V>(); public V get(K key) { return this.m_container.get(key); } public void put(K key, V value) { this.m_container.put(key, value); } }
看上去和C#并没有什么区别，不是吗？不过，如果我们观察编译后生成的bytecode（类似于.NET平台上的IL），便会发现一丝奇妙之处。使用javap -c DictWrapper得到的结果是：
Compiled from "DictWrapper.java"
public class jeffz.practices.DictWrapper extends java.lang.Object{
public jeffz.practices.DictWrapper();
Code:
0: aload_0
1: invokespecial #1; //Method java/lang/Object."<init>":()V
4: aload_0
5: new #2; //class java/util/HashMap
8: dup
9: invokespecial #3; //Method java/util/HashMap."<init>":()V
12: putfield #4; //Field m_container:Ljava/util/HashMap;
15: return
public java.lang.Object get(java.lang.Object);
Code:
0: aload_0
1: getfield #4; //Field m_container:Ljava/util/HashMap;
4: aload_1
5: invokevirtual #5; //Method java/util/HashMap.get:(Ljava/lang/Object;)Ljava/lang/Object;
8: areturn
public void put(java.lang.Object, java.lang.Object);
Code:
0: aload_0
1: getfield #4; //Field m_container:Ljava/util/HashMap;
4: aload_1
5: aload_2
6: invokevirtual #6; //Method java/util/HashMap.put:(Ljava/lang/Object;Ljava/lang/Object;)Ljava/lang/Object;
9: pop
10: return
}
从bytecode中可以看出，其中并没有包含任何与K，V有关的信息。get/put方法的参数和返回值都是Object类型，甚至内置的HashMap也是如此。那么调用DictWrapper的代码是如何做到“强类型”的呢？例如：
public static void main(String[] args) { DictWrapper<String, String> dict = new DictWrapper<String, String>(); dict.put("Hello", "World"); String world = dict.get("Hello"); }
它的bytecode便是：
public static void main(java.lang.String[]); Code: 0: new #2; //class jeffz/practices/DictWrapper 3: dup 4: invokespecial #3; //Method jeffz/practices/DictWrapper."<init>":()V 7: astore_1 8: aload_1 9: ldc #4; //String Hello 11: ldc #5; //String World 13: invokevirtual #6; //Method jeffz/practices/DictWrapper.put:(Ljava/lang/Object;Ljava/lang/Object;)V 16: aload_1 17: ldc #4; //String Hello 19: invokevirtual #7; //Method jeffz/practices/DictWrapper.get:(Ljava/lang/Object;)Ljava/lang/Object; 22: checkcast #8; //class java/lang/String 25: astore_2 26: return }
看到标号为22的那行代码没有？这条checkcast指令便是将上一句invokevirtual的结果转化为String类型——DictWrapper.get所返回的是个最普通不过的Object。
这便是Java语言的泛型实现——请注意我这里说的是Java语言，而不是JVM。因为JVM本身并没有“泛型”的概念，Java语言的泛型则完全是编译器的魔法。我们写出的泛型代码，事实上都是和Object对象在打交道，是编译器在帮我们省去了冗余的类型转换代码，以此保证了代码层面的类型安全。由于在运行时去除所有泛型的类型信息，因此这种泛型实现方式叫做Type Erasure（类型擦除）。
在.NET中则完全不同，“泛型”是真真切切落实在CLR层面上的功能。例如DictWrapper.Get方法在.NET上的IL代码便是：
.method public hidebysig instance !TValue Get(!TKey key) cil managed
{
.maxstack 2
.locals init (
[0] !TValue CS$1$0000)
L_0000: nop
L_0001: ldarg.0
L_0002: ldfld class [mscorlib]...Dictionary`2 ...DictWrapper`2::m_container
L_0007: ldarg.1
L_0008: callvirt instance !1 [mscorlib]...Dictionary`2::get_Item(!0)
L_000d: stloc.0
L_000e: br.s L_0010
L_0010: ldloc.0
L_0011: ret
}
您可以发现，.NET的IL便确切包含了TKey和TValue的类型信息。而在运行的时候，CLR会为不同的泛型类型生成不同的具体类型代码，这在我之前的文章中也有所提及。
那么，Java和C#两种泛型实现方式分别有什么优势和劣势呢？Java这种Type Erasure做法，最大的优势便在于其兼容性：即便使用了泛型，但最后生成的二进制文件也可以运行在泛型出现之前的JVM上（甚至JDK中不需要添加额外的类库）——因为这里的泛型根本不涉及JVM的变化。而.NET中的泛型需要CLR方面的“新能力”，因此.NET 2.0的程序集是无法运行在CLR 1.0上的——当然.NET 1.0的程序集可以直接在CLR 2.0上执行。而CLR实现方式的优势，便在于可以在运行期间体现出“模板化”的优势。.NET程序员都知道，泛型可以节省值类型的装箱和拆箱的开销，即便是引用类型也可以避免额外的类型转化，这些都能带来性能上的提高。
因此，在.NET社区经常会把Java的这种实现方式称之为“假泛型”，而同时也会有人反驳到：泛型本来就是语言上的概念，实现不同又有什么关系，凭什么说是“假”的呢？其实，由于失去了JVM的支持，一些.NET平台上常用的，非常有效的开发方式都难以运用在Java上。例如所谓的泛型字典：
public class Cache<TKey, TValue> { public static TValue Instance; } public class Factory { public static string Create<TKey>() { if (Cache<TKey, string>.Instance == null) { Cache<TKey, string>.Instance = // some expensive computation } return Cache<TKey, string>.Instance; } }
由于Cache<TKey>在运行时是个具体独立的类型，因此泛型字典是性能最高的存储方式，比O(1)时间复杂度的哈希表还要高出许多。如果说这也只是运行方面的优势，那么这段代码中的“泛型工厂”代码（即Factory.Create<SomeType>()，包括类似的Factory<T>.Create()这种）则是Java语言中无法实现的。这是因为Type Erasure的作用，在运行时JVM已经丧失了TKey这样的类型信息，而在.NET平台上，TKey则是Create<TKey>签名的组成部分。
Type Erasure造成的限制还有不少，如果您是一个C#程序员，可能难以相信以下的Java代码都是不合法的：
public class MyClass<E> { public static void myMethod(Object item) { if (item instanceof E) { // Compiler error ... } E item2 = new E(); // Compiler error E[] iArray = new E[10]; // Compiler error } }
由于JVM不提供对泛型的支持，因此对于JVM上支持泛型的语言，如Scala，这方面的压力就完全落在编译器身上了。而且，由于这些语言以JVM为底，Type Erasure会影响JVM平台上几乎所有语言。以Scala为例，它的模式匹配语法可以用来判断一个变量的类型：
value match { case x:String => println("Value is a String") case x:HashMap[String, Int] => println("Value is HashMap[String, Int]") case _ => println("Value is not a String or HashMap[String, Int]") }
猜猜看，如果value变量是个HashMap[Int, Object]类型的对象，上面的代码会输出什么结果呢？如果是C#或是F#这样运行在.NET平台上的语言，最终输出的一定是“Value is not ...”。只可惜，由于JVM的Type Erasure特性，以上代码输出的却是“Value is HashMap[String, Int]”。这是因为在运行期间JVM并不包含泛型的类型信息，HashMap[K, V]即是HashMap，无论HashMap[String, Int]还是HashMap[Int, Object]都是HashMap，JVM无法判断不同泛型类型的集合之间有什么区别。不过还好，Scala编译器遇到这种情况会发出警告，程序员可以了解这些代码可能会出现的“误会”。
因此，为什么有IKVM.NET这样的项目可以将Java语言编译成.NET程序集（也可以将Java的jar包转化成.NET程序集），却没有项目将C#编译到JVM上（或是将C#程序集转化为jar包）。这是因为，JVM不足以支撑C#语言所需要的所有特性。而从运行时的中间代码角度来说，JVM Bytecode的能力也是.NET IL的子集——又有什么办法可以将超集塞入它的子集呢？
此外，如CLR的值类型可能也很难直接落实在JVM上，这也是JVM上运行C#的又一阻碍。由于这些因素存在，我想如F#这样的.NET语言也几乎不可能出现在JVM上了。
当然，如果真要在JVM上实现完整的C#也并非不可以。只要在JVM上进行一层封装（例如还是就叫做CLR，CLR Language Runtime），一定可以满足C#的全部要求（例如为每个泛型方法传入具体的类型对象）。但是这个做法的代价较高，且难以优雅地与Java程序进行互操作，因此投入产出比让人堪忧。此外，已经有人在JVM上实现了一个x86模拟器，那么又有什么是做不了的呢？实在不行，我们就在模拟器上装一个Windows操作系统，然后装一个Microsoft .NET，再……
不敢抢老赵的沙发
还是忍不住抢了