pperl：进行正则表达式即时编译
内容提要
本文介绍Perl JIT编译器pperl的新组件ReJIT，旨在提升正则表达式性能。在regex-redux基准测试中，pperl因解释器架构落后于V8的Irregexp编译器，故ReJIT将正则表达式编译为机器码，采用PCRE2风格，编译perl引擎的regnode程序，保留语义，支持捕获，并分阶段实施，预计减少3-5倍指令数。
延伸解读
为什么解释器架构是性能瓶颈
文章指出，pperl在regex-redux基准测试中落后于Node.js的主要原因并非Perl JIT不够快，而是正则表达式引擎本身采用解释执行。即使JIT编译了Perl操作码，超过99%的指令仍消耗在匹配操作内部，因此无法从操作码层面优化。这解释了为何需要专门的正则表达式编译器ReJIT来直接生成机器码。
ReJIT的设计选择：PCRE2风格而非RE2
ReJIT选择编译Perl引擎自身的regnode程序，而非像RE2那样构建线性自动机。原因在于Perl的正则语义（如捕获组、回溯顺序）是可见行为，线性引擎无法表达。PCRE2风格允许保留完整语义，同时通过编译提升性能，并在无法编译时回退到解释器，确保兼容性。
性能优化的重点：类开头交替
文章通过指令统计发现，基准测试中约55%的指令消耗在四个以字符类开头的交替模式上，因为Perl优化器无法为它们构建trie。ReJIT的首要目标正是将这些模式编译为机器码扫描循环，预计可减少3-5倍指令数。这体现了针对实际热点进行优化的策略。
语义一致性的严格保证
ReJIT强调与Perl语义逐字节一致，并采用差分测试机制：每次编译匹配都会与解释引擎的结果对比，包括完整捕获状态。文章举例说明Perl与ECMAScript在捕获组处理上的差异，若直接复制Irregexp的寄存器清理逻辑会导致错误。这种机械式验证确保了编译器的正确性。
Q&A
什么是pperl的ReJIT组件？
ReJIT是pperl的一个新组件，用于将正则表达式编译为机器码，以提升正则表达式的性能。它采用PCRE2风格，编译perl引擎的regnode程序，保留语义，支持捕获，并分阶段实施。
为什么pperl在regex-redux基准测试中落后于V8？
因为V8使用Irregexp编译器将正则表达式直接编译为机器码，而pperl使用解释器执行正则表达式，导致指令数相差约7倍。pperl的JIT编译器只编译Perl操作码，无法优化正则表达式引擎内部的执行。
ReJIT如何编译正则表达式？
ReJIT采用PCRE2风格，编译perl引擎的regnode程序（即编译后的正则表达式字节码）为机器码，使用Cranelift后端。它只编译引擎接受的模式，不接受的模式回退到解释器。
为什么ReJIT不采用RE2风格的线性引擎？
因为perl已经有一个预过滤层（子串和起始类预搜索），重复实现没有意义；而且线性引擎无法表达perl的回溯顺序语义，如分支优先级、捕获组的值以及(*SKIP)等行为，这些在Perl中是可见的行为。
ReJIT如何保证与Perl语义一致？
ReJIT通过差分测试保证语义一致：在测试模式下，每个编译后的匹配都会通过原始引擎重新运行并比较结果，包括完整的捕获状态。此外，它拒绝编译无法处理的Perl特定机制，如代码块、模式递归等。
ReJIT的实施阶段有哪些？
ReJIT分阶段实施：首先添加仪器和差分测试，然后实现扫描循环层，接着处理量词深度，最后处理UTF-8轴。
ReJIT预计能带来多大的性能提升？
对于扫描循环层，预计在regex-redux基准测试中能减少3-5倍的指令数。
