C1 RCE對%的處理
HotSpot VM的C1有個RCE（Range Check Elimination，范圍檢查消除）優化，所謂范圍檢查消除，就是為了正確的拋出數組越界異常，虛擬機需要在數組訪問的一些地方插入隱式的檢查，但是這些檢查會降低性能，比如在循環中每次循環都得檢查一次，所以HotSpot VM會想辦法在可能的地方消除這些檢查。我在看C1 RCE的時候發現目前它對求余符號的支持較為薄弱，它只能處理形如下面的代碼：
arr[x%arr.length] // 只有除數是x.length的時候，才能應用RCE優化
如果余數是整數常量，它就不能工作了：
arr[x%3]
for(int i=0;i<10;i++){
arr[x%10]
}
實際上，根據JLS的定義，我們知道如果除數為整數常量（且等於零，因為0作為除數會拋出運行時異常），是可以推導出結果的上下界的（也取決於被除數的正負），規則如下：
- x % -y ==> [0, y - 1]
- x % y ==> [0, y - 1]
- -x % y ==> [-y + 1, 0]
- -x % -y ==> [-y + 1, 0]
於是，我給JDK發了個patch，這個問題算是解決了。但是Nils提到，C2是否有相同的優化呢？后面Tobias幫忙確認了一下C2沒有，我再后來也進一步確認了，所以下一步是調研C2是否能應用同樣的優化。
調研為C2應用同樣的優化
本來以為是比較trivial的事情，為求余節點的類型系統加點代碼，推導一下上下界即可，實際上我也這么做的，但是最后發現這樣沒有消除上下界。默認開啟-XX:+GenerateRangeChecks后，在數組訪問過程中（Parse::array_addressing），C2仍然生成了范圍檢查。
調試后發現推導上下界根本沒有執行，因為C2創建完求余節點后，會執行一個IGVN的過程，即迭代的應用多種優化，其中就包括理想化，C2理想化是指應用很多局部小優化的過程，在這個例子中就是特殊處理形如x%2^n,x%2^n-1和x%1的情況，如果除數是整數常量，它還會使用一個來自https://book.douban.com/subject/1784887/書里面的算法，即Division by Invariant Integers using Multiplication(by Granlund and Montgomery)，搜了一下知乎有類似的文章，想要了解細節可以讀讀https://zhuanlan.zhihu.com/p/151038723。知道了原因，於是我改了下代碼，禁止了求余節點的理想化，心想這總可以了吧。
還是不行
是的，還是不行。盡管我已經禁止了對求余符號的理想化優化，但是范圍檢查還是生成了。。。我又繼續看代碼，發現除了理想化的這個優化之外，C2在IR（中間表示）構造的過程中又 又 又 又 又對求余運算做了個優化！如果除數是正整數常量，且是2^n，那么C2會對它進行變形，IR如圖所示：
左邊的IR是 IR構造的時候C2做的優化后的效果，右邊是理想化優化后的效果。實際上它們做的事情本身是比較重復的，而且經過測試發現，在沒有CPU分支預測失效的情況下，理想化優化的算法要好於IR構造過程中的優化：
一個簡單的micro benchmark結果如下：
x64
-----
Parse::do_irem
Benchmark Mode Cnt Score Error Units
ModPowerOf2.testMixedPowerOf2 avgt 25 13258.945 ± 12.420 ns/op
ModPowerOf2.testNegativePowerOf2 avgt 25 8685.782 ± 16.010 ns/op
ModPowerOf2.testPositivePowerOf2 avgt 25 6604.848 ± 1.402 ns/op
ModINode::Ideal
Benchmark Mode Cnt Score Error Units
ModPowerOf2.testMixedPowerOf2 avgt 25 12918.206 ± 11.730 ns/op
ModPowerOf2.testNegativePowerOf2 avgt 25 8675.248 ± 3.279 ns/op
ModPowerOf2.testPositivePowerOf2 avgt 25 8678.828 ± 6.336 ns/op
AArch64:
------
Parse::do_irem
Benchmark Mode Cnt Score Error Units
ModPowerOf2.testMixedPowerOf2 avgt 25 12340.268 ± 1.015 ns/op
ModPowerOf2.testNegativePowerOf2 avgt 25 6752.467 ± 2.671 ns/op
ModPowerOf2.testPositivePowerOf2 avgt 25 6545.322 ± 0.666 ns/op
ModINode::Ideal
Benchmark Mode Cnt Score Error Units
ModPowerOf2.testMixedPowerOf2 avgt 25 12339.301 ± 1.406 ns/op
ModPowerOf2.testNegativePowerOf2 avgt 25 6753.852 ± 3.460 ns/op
ModPowerOf2.testPositivePowerOf2 avgt 25 6752.895 ± 4.207 ns/op
所以開個新patch，移除IR構造做的優化來解決這個問題。
結語
我認為為求余節點推導上下界也是有意義的，如果以后有其他優化會變形為求余運算，那么它們可以應用這個推導，同時，為求余做統一完善的類型推導這件事本身也是正確的，所以我又提了個patch。可以看到，最終我只消除了C1 arr[x%4]的范圍檢查，還是沒能消除C2 arr[x%4]的范圍檢查，是不是以后可以說C1有的地方做的比C2好了（狗頭hh。