C等编译代码消耗的内存很少。
Python等解释代码消耗更多内存，这是可以理解的。
使用JIT，程序在运行时（有选择地）编译为机器代码。那么JIT的程序的内存消耗应该介于编译程序和解释程序之间吗？
相反，JIT的程序（例如PyPy）消耗的内存比等效的解释程序（例如Python）多几倍。为什么呢？
答案 0 :(得分：8)
跟踪JIT编译器需要占用更多内存，因为它们不仅需要保留VM的字节码，还需要保留直接可执行的机器代码。这只是故事的一半。
大多数JIT还会保留大量关于字节码（甚至机器代码）的元数据，以便他们确定需要JIT的内容以及可以单独使用的内容。跟踪JIT（例如LuaJIT）还会创建跟踪快照，用于在运行时微调代码，执行循环展开或分支重新排序等操作。
有些还保留了常用代码段或快速查找缓冲区的缓存，以加速JIT代码的创建（LuaJIT通过DynAsm实现这一点，它实际上可以帮助减少正确完成时的内存使用，就像dynasm一样） 。
内存使用很大程度上取决于所使用的JIT引擎及其编译语言的性质（强类型与弱类型）。一些JIT采用先进的技术，如基于SSA的寄存器分配器和变量生动性分析，这些优化也有助于消耗内存，以及更常见的事情，如循环变量提升。
答案 1 :(得分：5)
请注意您正在谈论的种内存使用情况。
编译为C的代码对编译的机器代码本身使用相对较少的内存。
我希望给定算法的Python字节码实际上小于类似算法的编译C代码，因为Python字节码操作要高得多，因此通常用较少的字节码来完成给定的事情。但是Python程序也会在内存中包含Python解释器的编译代码，这本身就是一个庞大而复杂的程序。另外一个典型的Python程序在内存中将拥有比典型的C程序更多的标准库（如果它是静态链接的话，C程序可以删除它实际上不使用的所有函数，如果它是动态链接的，那么它共享已编译的代码与内存中使用它的任何其他进程。）
然后，PyPy在此基础上提供了JIT编译器的机器代码，以及从Python字节码生成的机器代码（它不会消失，它也必须保持不变）。因此，你的直觉（JITed系统“应该”在编译语言和完全解释语言之间的某处消耗内存）无论如何都是不正确的。但除了所有这些之外，您还拥有程序运行的数据结构所使用的实际内存。这种情况变化很大，与程序是提前编译，还是解释，解释和JIT编辑无关。一些编译器优化将减少内存使用（无论是提前应用还是只是及时应用），但许多实际上会牺牲内存使用来提高速度。对于操纵任何大量数据的程序来说，无论如何都会使代码本身使用的内存相形见绌。
当你说：
相反，JIT的程序（如PyPy）消耗的次数要多几倍 内存比等效的解释程序（如Python）。为什么呢？
你在想什么节目？如果你真的做了任何比较，我猜你的问题是他们会在PyPy和CPython之间。我知道许多PyPy的数据结构实际上比CPython的数据结构小，但同样，这与JIT无关。
如果程序的主要内存使用是代码本身，那么JIT编译器会增加巨大的内存开销（对于编译器本身和编译的代码），并且根本不能做到“赢回来”通过优化使用内存。如果占主导地位的内存使用是程序数据结构，那么无论是否启用JIT，我都不会惊讶地发现PyPy使用的内存明显少于CPython。
你的“为什么？”真的没有一个直截了当的答案。因为你问题中的陈述不是直截了当的。哪个系统使用更多内存取决于许多因素; JIT编译器的存在与否是一个因素，但并不总是很重要。