JPHP最新进展 v0.6

简介: 项目地址:https://github.com/jphp-compiler/jphp旧文:http://www.cnblogs.com/x3d/p/3631386.html旧文2:http://www.cnblogs.com/x3d/p/3642287.html看过代码,就感觉这个项目应该还欠缺一点技术方面的东西:所有从PHP访问Java的功能必须要编写对应的Wrapper,而不能直接在PHP中访问Java类;这方面是不如Quercus的,但Quercus的社区版是解释型而不是编译型的,对于有完美情节的人来说,又是一种遗憾。

项目地址:https://github.com/jphp-compiler/jphp

旧文:http://www.cnblogs.com/x3d/p/3631386.html

旧文2:http://www.cnblogs.com/x3d/p/3642287.html

看过代码,就感觉这个项目应该还欠缺一点技术方面的东西:所有从PHP访问Java的功能必须要编写对应的Wrapper,而不能直接在PHP中访问Java类;这方面是不如Quercus的,但Quercus的社区版是解释型而不是编译型的,对于有完美情节的人来说,又是一种遗憾。

PHP Compiler for JVM

JPHP是使用Java虚拟机环境的一种新的PHP实现,支持PHP(5.5+)的很多特性。

JPHP是一种编译器,就像javac, 它把php源码编译成JVM字节码,然后在Java VM上运行。

定位

JPHP不是Zend PHP 引擎或者Facebook HHVM的替代品。我们没有想过让JPHP实现整个zend运行库,如Curl、PRCE等。

我们的项目开始于2013年10月。其创建原因:

  1. 以PHP语言使用java的库
  2. 通过JIT及JVM提升PHP性能
  3. 把Zend 这样丑陋的运行时库替换成更好的运行时库
  4. 让PHP语言不仅仅在web领域使用
  5. 字符串unicode化支持、线程支持

特性

  • JIT (1x - 10x 速度快于 PHP 5.5)
  • Optimizer (常量表达式、内联函数等)
  • 在PHP代码中使用java的库和
  • 字符串的Unicode化 (UTF-16, 像Java那样)
  • 线程化 - Threading, Sockets
  • Environment architecture (like sandbox objects in runkit zend extension).
  • GUI (基于Swing, 并改进了 - 有了更多灵活的布局方式)
  • 内嵌类与函数的缓存系统
  • 可选热重载类和函数
  • 可以在 Android 操作系统上用哦

语言特性

(不带zend运行时库)

  • PHP 5.5+ (with OOP)
  • 类Spl autoloading
  • Iterators, ArrayAccess, Serializable, 等等
  • 类反射
  • __debugInfo 用于 var_dump (php 5.6)
  • ** 操作符(php 5.6)
  • Constant Scalar Expressions (with constants) (php 5.6)

JPHP尚未支持的?

  • 导入命名空间化的函数 (php 5.6)
  • 可变参数函数的专用语法 (php 5.6)
  • 参数拆箱 (php 5.6)

文档


目录
相关文章
|
4月前
|
监控 算法 自动驾驶
计算机视觉的实践与挑战:技术深度剖析
【8月更文挑战第21天】计算机视觉技术作为人工智能的璀璨明珠,正逐步深入到我们生活的各个方面,带来前所未有的便利和变革。然而,随着技术的不断发展,我们也面临着诸多挑战和问题。未来,我们需要不断推动技术创新和跨学科合作,加强数据安全和隐私保护,提升算法的鲁棒性和可解释性,以应对这些挑战并推动计算机视觉技术的持续发展。让我们共同努力,探索计算机视觉技术的广阔天地,为创造一个更加智能、安全和美好的世界而不懈努力。
|
4月前
|
机器学习/深度学习 人工智能 自动驾驶
震撼发布!深度学习如何重塑计算机视觉:一场即将改变世界的革命!
【8月更文挑战第6天】随着AI技术的发展,深度学习已成为计算机视觉的核心驱动力。卷积神经网络(CNN)能自动提取图像特征,显著提升识别精度。目标检测技术如YOLO和Faster R-CNN实现了快速精准检测。语义分割利用FCN和U-Net达到像素级分类。这些进展极大提升了图像处理的速度与准确性,为自动驾驶、医疗影像等领域提供了关键技术支撑,预示着计算机视觉更加光明的未来。
47 0
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
【专栏】计算机视觉借助深度学习实现革命性变革
【4月更文挑战第27天】计算机视觉借助深度学习实现革命性变革,从图像分类到复杂场景理解,深度学习模型提升性能并拓宽应用边界。深度学习兴起始于AlexNet,后续模型如VGG、ResNet等不断优化。对象检测、语义分割、图像生成等领域取得显著进展,广泛应用于安防、医疗、零售和农业。然而,数据隐私、模型可解释性、计算资源和鲁棒性仍是待解挑战。未来,计算机视觉将在多领域发挥更大潜力,技术创新与伦理考量将驱动其健康发展。
113 1
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习技术的崭新前沿与应用展望
深度学习技术作为人工智能领域的热点之一,正不断推动着科学技术的发展。本文将探讨深度学习技术的最新进展,以及其在各个领域中的应用前景,从自然语言处理到计算机视觉,从医疗保健到智能交通,深度学习正为我们的生活和工作带来巨大的变革。
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
【大模型】大语言模型前沿技术系列讲座-学习笔记1:人工智能发展史
【大模型】大语言模型前沿技术系列讲座-学习笔记1:人工智能发展史
|
机器学习/深度学习 人工智能 算法
寻求帮助:尝试在深度学习领域找创新点
寻求帮助:尝试在深度学习领域找创新点
165 0
|
机器学习/深度学习 自然语言处理 大数据
AIGC背后的技术分析 | 迁移学习与自然语言处理实践
实践是检验理论的唯一标准。为此,我们将通过中国计算机学会举办的2019 CCF大数据与计算智能大赛的互联网金融新实体发现竞赛作为实践,让大家了解预训练模型的强大。
173 0
AIGC背后的技术分析 | 迁移学习与自然语言处理实践
|
机器学习/深度学习 人工智能 文字识别
AIGC背后的技术分析 | 计算机视觉
深度学习领域技术的飞速发展,给人们的生活带来了很大改变。例如,智能语音助手能够与人类无障碍地沟通,甚至在视频通话时可以提供实时翻译;将手机摄像头聚焦在某个物体上,该物体的相关信息就会被迅速地反馈给使用者;在购物网站上浏览商品时,机器也在同时分析着用户的偏好,并及时个性化地推荐用户可能感兴趣的商品。原先以为只有人类才能做到的事,现在机器也能毫无差错地完成,甚至超越人类,这显然与深度学习的发展密不可分,技术正引领人类社会走向崭新的世界。 PyTorch是当前主流深度学习框架之一,其设计追求最少的封装、最直观的设计,其简洁优美的特性使得PyTorch代码更易理解,对新手非常友好。
273 0
AIGC背后的技术分析 | 计算机视觉
|
机器学习/深度学习 算法
AIGC背后的技术分析 | 机器学习中的卷积神经网络
卷积神经网络(convolutional neural network)是一种前馈神经网络, 广泛应用于图像识别领域。进行图像识别任务时,若使用传统的全连接神经网络,网络的第一层参数会非常多。针对此问题,人们考虑是否能够结合图像识别任务的特点来简化全连接神经网络。
218 0
|
机器学习/深度学习 计算机视觉
深度学习研究现状
近年来,深度学习逐渐成为⼈⼯智能领域的研究热点和主流发展⽅向。深度学习是由多个处理层组成的计算模型,学习具有多个抽象层次的数据表示的机器学习技术。深度学习代表了机器学习和⼈⼯智能研究的主要发展⽅向,给机器学习和计算机视觉等领域带来了⾰命性的进步。本⽂旨在分析深度学习技术的现状。
1509 1