Performance — entretien Java
2 questions posées en entretien sur 2 sujets, avec la bonne réponse et son explication.
Le compilateur à la volée
Un appel de méthode a toujours résolu vers la même implémentation concrète depuis le début de l'exécution, et le JIT l'a optimisé en conséquence. Une classe chargée dynamiquement plus tard fournit soudain une seconde implémentation à cet appel. Que fait la JVM ?
- Elle ignore silencieusement la nouvelle classe et continue d'appeler l'ancienne implémentation
- Elle désoptimise la méthode concernée (retour temporaire à l'interprétation), en toute sécurité, puis peut la recompiler avec un profil tenant compte des deux implémentations ✓
- Elle lève une erreur irrécupérable, car une hypothèse du JIT ne peut jamais être invalidée après compilation
- Elle recompile immédiatement toute l'application depuis le début pour repartir sur des bases saines
Pourquoi : La désoptimisation est un mécanisme sûr et courant : quand une hypothèse spéculative posée par le JIT devient fausse, la méthode concernée revient temporairement à l'interprétation, le temps qu'un profil à jour permette une recompilation correcte. Cela garantit la justesse du programme, au prix d'une pénalité ponctuelle — jamais d'un plantage.
Niveau senior
Pièges courants
Dans quel ordre de priorité faut-il aborder une optimisation de performance ?
- Micro-optimisations d'abord (elles sont les plus rapides à appliquer), puis structures de données, puis algorithme si le temps le permet
- L'algorithme d'abord (sa complexité domine tout le reste), puis le choix des structures de données, et seulement ensuite des micro-optimisations locales justifiées par une mesure ✓
- Toujours commencer par ajouter du cache, quel que soit le problème observé
- L'ordre n'a pas d'importance tant que le code final passe les tests de performance
Pourquoi : Une micro-optimisation ne compense jamais un algorithme de complexité supérieure sur un volume suffisant : un O(n²) reste mauvais quelle que soit la finesse de son implémentation. Le bon réflexe est de vérifier l'algorithme, puis les structures de données (souvent traité au chapitre Collections), et de ne s'attaquer aux micro-optimisations locales qu'une fois ces deux niveaux validés — et seulement là où une mesure le justifie.
Niveau confirme