前言

我們會(huì)經(jīng)常聽到編譯器這個(gè)詞語，我們就會(huì)想什么是編譯器，它的功能是什么飞袋，跟我們的開發(fā)又有什么關(guān)系，這篇文章就帶大家走入LLVM編譯器架構(gòu)链患，揭開編譯器的神秘面紗巧鸭。

1 什么是編譯器

我們用Python(解釋型)和C(編譯型)來先對(duì)比下
Python代碼如下

print("hello world\n")

我們通過python py1.py命令執(zhí)行下，看下效果麻捻，如圖

1

python是python的解釋器纲仍，這個(gè)就是解釋型語言的效果。
我們再來看C贸毕，代碼如下

#include<stdio.h>
int main(int argc,char * argv[]){
        printf("hello world\n");
        return 0;
}

我們通過命令clang hello.c郑叠，效果如下

2

3

2 LLVM介紹

LLVM概述
LLVM是構(gòu)架編譯器(compiler)的框架系統(tǒng)，以C++編寫而成区宇，用于優(yōu)化以任意程序語言編寫的程序的編譯時(shí)間(compile-time)娃殖、鏈接時(shí)間(link-time)、運(yùn)行時(shí)間(run-time)以及空閑時(shí)間(idle-time)议谷，對(duì)開發(fā)者保持開話炉爆，并兼容已有腳本。
LLVM計(jì)劃啟動(dòng)于2000年卧晓，最初由由美國UIUC大學(xué)的Chris Lattner博士主持開展芬首。2006年Chris Lattner加盟Apple Inc.并致力LLVM在Apple開發(fā)體系中的應(yīng)用。Apple也是LLVM計(jì)劃的主要資助者逼裆。
目前LLVM已經(jīng)被蘋果iOS開發(fā)工具郁稍、Xilinx Vivado、Facebook胜宇、Google等各大公司采用耀怜。
傳統(tǒng)編譯器設(shè)計(jì)

4

優(yōu)化器(Optimizer)
優(yōu)化器負(fù)責(zé)進(jìn)行各種優(yōu)化从诲。改善代碼的運(yùn)行時(shí)間左痢，例始消除冗余計(jì)算ac等。

后端（Backend）/代碼生成器(CodeGenerator)
將代碼映財(cái)?shù)侥繕?biāo)指令集系洛。生成機(jī)器語言俊性，并且進(jìn)行機(jī)器相關(guān)的代碼優(yōu)化。

iOS的編譯器架構(gòu)
Objcective C/C/C++使用的編譯器前端是Clang碎罚，Swift是Swift磅废，后端都是LLVM纳像。

5

LLVM的設(shè)計(jì)
當(dāng)編譯器決定支持多種源語言或多種硬架構(gòu)時(shí)荆烈，LLVM的最重要的地方就來了。
其它的編對(duì)器如GCC竟趾，它方法非常成功憔购，但由于它是作為整體應(yīng)用程序設(shè)計(jì)的，因此它的用途受到了很大的限制岔帽。
LLVM設(shè)計(jì)的最重要方便是玫鸟，使用通用的代碼表示形式（IR ）,它是用來在編譯器中表示代碼的形式。所以LLVM可以為任何編譯語言獨(dú)立編寫前端犀勒，并且可以為任意硬件架構(gòu)獨(dú)立編寫后端屎飘。

6

Clang是LLVM項(xiàng)目的中的一個(gè)子項(xiàng)目妥曲。它是基于LLVM架構(gòu)的輕量編譯器，誕生之初是為了替代GCC,提供更快的編譯速度钦购。它是負(fù)責(zé)編譯C檐盟、C++、Objective-C語言的編譯器押桃，它屬于整個(gè)LLVM架構(gòu)中的葵萎，編譯器前端。對(duì)于開發(fā)者來說唱凯，研究Clang可以給我們帶來很多好處羡忘。

3 編譯流程分析

我們先看下一段代碼，如下

#import <stdio.h>
int main(int argc, const char * argv[]) {
    return 0;
}

我們通過命令clang -ccc-print-phases main.m執(zhí)行

7

• +- 0: input, "main.m", objective-c 讀取代碼卷雕。
• +- 1: preprocessor, {0}, objective-c-cpp-output 預(yù)處理價(jià)段，把宏替換掰烟，.h的導(dǎo)入進(jìn)去爽蝴。
• +- 2: compiler, {1}, ir 編譯價(jià)段，前端編譯器的任務(wù)纫骑。
• +- 3: backend, {2}, assembler 編譯器后端蝎亚，pass(環(huán)節(jié)，節(jié)點(diǎn))優(yōu)化先馆，生成匯編代碼发框。
• +- 4: assembler, {3}, object 生成目標(biāo)文件。
• +- 5: linker, {4}, image 鏈接外部函數(shù)煤墙，靜態(tài)庫梅惯，動(dòng)態(tài)庫，生成鏡像文件即可執(zhí)行文件
• bind-arch, "x86_64", {5}, image 根據(jù)不同的架構(gòu)生成不同的鏡像文件仿野。

編譯流程的分析

1. 讀取代碼
讀取我們編寫的源代碼铣减。

2. 預(yù)處理
我們改下源碼，如

#import <stdio.h>
#define C 30
int main(int argc, const char * argv[]) {
    int a = 10;
    int b = 20;
    printf("%d",a + b +C);
    return 0;
}

接著執(zhí)行clang -E main.m >> main1.m脚作，我們看下main1.m文件葫哗，

# 1 "main.m"
# 1 "<built-in>" 1
# 1 "<built-in>" 3
# 379 "<built-in>" 3
# 1 "<command line>" 1
# 1 "<built-in>" 2
# 1 "main.m" 2

這里是宏展開，我們看下main函數(shù)

int main(int argc, const char * argv[]) {
    int a = 10;
    int b = 20;
    printf("%d",a + b +30);
    return 0;
}

直接把我們的C這個(gè)宏展開直接替換成30球涛。
我們還用過typedef劣针，我們改下代碼

#import <stdio.h>
typedef int RO_INT_64
int main(int argc, const char * argv[]) {
    RO_INT_64 a = 10;
    RO_INT_64 b = 20;
    printf("%d",a + b);
    return 0;
}

執(zhí)行clang -E main.m >> main1.m，如

typedef int RO_INT_64
int main(int argc, const char * argv[]) {
    RO_INT_64 a = 10;
    RO_INT_64 b = 20;
    printf("%d",a + b);
    return 0;
}

沒有展開亿扁，typedef只是取別名捺典，增強(qiáng)可讀性，不是預(yù)處理指令从祝。
3.編譯價(jià)段
3.1詞法分析
我們再執(zhí)行命令clang -fmodules -fsyntax-only -Xclang -dump-tokens main.m襟己，詞法分析引谜，會(huì)把代碼切成token，如下所示

annot_module_include '#import <stdio.h>
#d'     Loc=<main.m:2:1>
int 'int'    [StartOfLine]  Loc=<main.m:4:1>
identifier 'main'    [LeadingSpace] Loc=<main.m:4:5>
l_paren '('     Loc=<main.m:4:9>
int 'int'       Loc=<main.m:4:10>
identifier 'argc'    [LeadingSpace] Loc=<main.m:4:14>
comma ','       Loc=<main.m:4:18>
const 'const'    [LeadingSpace] Loc=<main.m:4:20>
char 'char'  [LeadingSpace] Loc=<main.m:4:26>
star '*'     [LeadingSpace] Loc=<main.m:4:31>
identifier 'argv'    [LeadingSpace] Loc=<main.m:4:33>
l_square '['        Loc=<main.m:4:37>
r_square ']'        Loc=<main.m:4:38>
r_paren ')'     Loc=<main.m:4:39>
l_brace '{'  [LeadingSpace] Loc=<main.m:4:41>
int 'int'    [StartOfLine] [LeadingSpace]   Loc=<main.m:5:5>
identifier 'a'   [LeadingSpace] Loc=<main.m:5:9>
equal '='    [LeadingSpace] Loc=<main.m:5:11>
numeric_constant '10'    [LeadingSpace] Loc=<main.m:5:13>
semi ';'        Loc=<main.m:5:15>
int 'int'    [StartOfLine] [LeadingSpace]   Loc=<main.m:6:5>
identifier 'b'   [LeadingSpace] Loc=<main.m:6:9>
equal '='    [LeadingSpace] Loc=<main.m:6:11>
numeric_constant '20'    [LeadingSpace] Loc=<main.m:6:13>
semi ';'        Loc=<main.m:6:15>
identifier 'printf'  [StartOfLine] [LeadingSpace]   Loc=<main.m:7:5>
l_paren '('     Loc=<main.m:7:11>
string_literal '"%d"'       Loc=<main.m:7:12>
comma ','       Loc=<main.m:7:16>
identifier 'a'      Loc=<main.m:7:17>
plus '+'     [LeadingSpace] Loc=<main.m:7:19>
identifier 'b'   [LeadingSpace] Loc=<main.m:7:21>
plus '+'     [LeadingSpace] Loc=<main.m:7:23>
numeric_constant '30'       Loc=<main.m:7:24 <Spelling=main.m:3:11>>
r_paren ')'     Loc=<main.m:7:25>
semi ';'        Loc=<main.m:7:26>
return 'return'  [StartOfLine] [LeadingSpace]   Loc=<main.m:8:5>
numeric_constant '0'     [LeadingSpace] Loc=<main.m:8:12>
semi ';'        Loc=<main.m:8:13>
r_brace '}'  [StartOfLine]  Loc=<main.m:9:1>
eof ''      Loc=<main.m:9:2>

會(huì)把代碼切成token擎浴，比如大小括號(hào)煌张，等于號(hào)還有字符串等。

3.2語法分析
檢查語法是否正確退客，在詞法分析的基礎(chǔ)上將單詞序列組合成各類語法短語骏融，如“程序”，“語句”萌狂，“表達(dá)式”等等档玻，然后將所有節(jié)點(diǎn)組成抽像語法樹（Abstract Syntax Tree,AST）。語法分析程序判斷源程序在結(jié)構(gòu)上是否正確茫藏。
我們執(zhí)行clang -fmodules -fsyntax-only -Xclang -ast-dump main.m,

8

9

-FunctionDecl 0x7f9aed0bee00 <line:5:1, line:10:1> line:5:5 main 'int (int, const char **)'
  |-ParmVarDecl 0x7f9aed01e140 <col:10, col:14> col:14 argc 'int'
  |-ParmVarDecl 0x7f9aed01e288 <col:20, col:38> col:33 argv 'const char **':'const char **'
  `-CompoundStmt 0x7f9aed0bf7d0 <col:41, line:10:1>
    |-DeclStmt 0x7f9aed0bf010 <line:6:5, col:21>
    | `-VarDecl 0x7f9aed0bef88 <col:5, col:19> col:15 used a 'RO_INT_64':'int' cinit
    |   `-IntegerLiteral 0x7f9aed0beff0 <col:19> 'int' 10
    |-DeclStmt 0x7f9aed0bf538 <line:7:5, col:21>
    | `-VarDecl 0x7f9aed0bf038 <col:5, col:19> col:15 used b 'RO_INT_64':'int' cinit
    |   `-IntegerLiteral 0x7f9aed0bf0a0 <col:19> 'int' 20
    |-CallExpr 0x7f9aed0bf740 <line:8:5, col:25> 'int'
    | |-ImplicitCastExpr 0x7f9aed0bf728 <col:5> 'int (*)(const char *, ...)' <FunctionToPointerDecay>
    | | `-DeclRefExpr 0x7f9aed0bf550 <col:5> 'int (const char *, ...)' Function 0x7f9aed0bf0c8 'printf' 'int (const char *, ...)'
    | |-ImplicitCastExpr 0x7f9aed0bf788 <col:12> 'const char *' <NoOp>
    | | `-ImplicitCastExpr 0x7f9aed0bf770 <col:12> 'char *' <ArrayToPointerDecay>
    | |   `-StringLiteral 0x7f9aed0bf5b0 <col:12> 'char [3]' lvalue "%d"
    | `-BinaryOperator 0x7f9aed0bf6b0 <col:17, line:3:11> 'int' '+'
    |   |-BinaryOperator 0x7f9aed0bf670 <line:8:17, col:21> 'int' '+'
    |   | |-ImplicitCastExpr 0x7f9aed0bf640 <col:17> 'RO_INT_64':'int' <LValueToRValue>
    |   | | `-DeclRefExpr 0x7f9aed0bf5d0 <col:17> 'RO_INT_64':'int' lvalue Var 0x7f9aed0bef88 'a' 'RO_INT_64':'int'
    |   | `-ImplicitCastExpr 0x7f9aed0bf658 <col:21> 'RO_INT_64':'int' <LValueToRValue>
    |   |   `-DeclRefExpr 0x7f9aed0bf608 <col:21> 'RO_INT_64':'int' lvalue Var 0x7f9aed0bf038 'b' 'RO_INT_64':'int'
    |   `-IntegerLiteral 0x7f9aed0bf690 <line:3:11> 'int' 30
    `-ReturnStmt 0x7f9aed0bf7c0 <line:9:5, col:12>
      `-IntegerLiteral 0x7f9aed0bf7a0 <col:12> 'int' 0

• FunctionDecl 0x7f9aed0bee00 <line:5:1, line:10:1> line:5:5 main 'int (int, const char )'
  |-ParmVarDecl 0x7f9aed01e140 <col:10, col:14> col:14 argc 'int'
  |-ParmVarDecl 0x7f9aed01e288 <col:20, col:38> col:33 argv 'const char ':'const char ** 這里就是main函數(shù)务傲，返回值int凉当，參數(shù)int和char,參數(shù)名稱arc,int類型，參數(shù)argv const char類型
• |-CallExpr 0x7f9aed0bf740 <line:8:5, col:25> 'int'
  | |-ImplicitCastExpr 0x7f9aed0bf728 <col:5> 'int (*)(const char *, ...)' <FunctionToPointerDecay>
  | | `-DeclRefExpr 0x7f9aed0bf550 <col:5> 'int (const char *, ...)' Function 0x7f9aed0bf0c8 'printf' 'int (const char *, ...)'這里有一個(gè)函數(shù)的調(diào)用printf售葡，返回int類型看杭。
• |-ImplicitCastExpr 0x7f9aed0bf788 <col:12> 'const char *' <NoOp>
  | | -ImplicitCastExpr 0x7f9aed0bf770 <col:12> 'char *' <ArrayToPointerDecay> | |-StringLiteral 0x7f9aed0bf5b0 <col:12> 'char [3]' lvalue "%d" 這是第一個(gè)參數(shù)
• |-DeclStmt 0x7f9aed0bf010 <line:6:5, col:21>
  | -VarDecl 0x7f9aed0bef88 <col:5, col:19> col:15 used a 'RO_INT_64':'int' cinit |-IntegerLiteral 0x7f9aed0beff0 <col:19> 'int' 10
  |-DeclStmt 0x7f9aed0bf538 <line:7:5, col:21>
  | `-VarDecl 0x7f9aed0bf038 <col:5, col:19> col:15 used b 'RO_INT_64':'int' 這里是a,b
• | | -ImplicitCastExpr 0x7f9aed0bf770 <col:12> 'char *' <ArrayToPointerDecay> | |-StringLiteral 0x7f9aed0bf5b0 <col:12> 'char [3]' lvalue "%d"這是第一個(gè)參數(shù)
• BinaryOperator 0x7f9aed0bf6b0 <col:17, line:3:11> 'int' '+'是+運(yùn)算結(jié)果，
• BinaryOperator 0x7f9aed0bf670 <line:8:17, col:21> 'int' '+'
  | | |-ImplicitCastExpr 0x7f9aed0bf640 <col:17> 'RO_INT_64':'int' <LValueToRValue>
  | | | -DeclRefExpr 0x7f9aed0bf5d0 <col:17> 'RO_INT_64':'int' lvalue Var 0x7f9aed0bef88 'a' 'RO_INT_64':'int' | |-ImplicitCastExpr 0x7f9aed0bf658 <col:21> 'RO_INT_64':'int' <LValueToRValue>
  | | -DeclRefExpr 0x7f9aed0bf608 <col:21> 'RO_INT_64':'int' lvalue Var 0x7f9aed0bf038 'b' 'RO_INT_64':'int' |-IntegerLiteral 0x7f9aed0bf690 <line:3:11> 'int' 30 第一個(gè)加法運(yùn)算的結(jié)果+30
• ReturnStmt 0x7f9aed0bf7c0 <line:9:5, col:12> 這里是返回
• 返回int類型值為0

3.4 生成中間代碼(intermediate representation )
代碼生成器(Code Generation)會(huì)將語法樹自頂向下遍歷逐步翻譯成LLVM IR挟伙。
IR基本語法
@全局標(biāo)識(shí)
%局部標(biāo)識(shí)
alloca 開辟空間
align 內(nèi)存對(duì)齊
i32 32個(gè)bit
store寫入內(nèi)存
load讀取數(shù)據(jù)
call調(diào)用函數(shù)
ret返回

我們改下代碼

#import <stdio.h>
#define C 30
typedef int RO_INT_64;

int test(int a, int b) {
    return a+ b +3;
}

int main(int argc, const char * argv[]) {
    int a = test(1, 2);
    printf("%d", a);
    return 0;
}

我們執(zhí)行命令clang -S -fobjc-arc -emit-llvm main.m楼雹，會(huì)生成main.ll文件，我們看下main.ll文件內(nèi)容

define i32 @test(i32 %0, i32 %1) #0 { #test(int a, int b )
  %3 = alloca i32, align 4 #開辟空間 4字節(jié)對(duì)齊 int a3;
  %4 = alloca i32, align 4 #開辟空間 4字節(jié)對(duì)齊 int a4;
  store i32 %0, i32* %3, align 4 # a3=a;
  store i32 %1, i32* %4, align 4 # a4=b;
  %5 = load i32, i32* %3, align 4 # int a5=a3;
  %6 = load i32, i32* %4, align 4 # int a6=a4;
  %7 = add nsw i32 %5, %6 # int a7 = a5+a6;
  %8 = add nsw i32 %7, 3 # int a8= a7+ 3;
  ret i32 %8 # return a8;
}

這就是test函數(shù)IR代碼尖阔，這是沒有經(jīng)過優(yōu)化的贮缅。
IR的優(yōu)化
clang -Os -S -fobjc-arc -emit-llvm main.m -o main.ll
經(jīng)過優(yōu)化會(huì)簡潔很多，這里不再贅述介却。
xcode中的Optimization Level可以設(shè)置谴供。
bitCode
clang -emit-llvm -c main.ll -o main.bc

4 生成匯編代碼

我們通過最終的.bc或者.ll代碼生成匯編代碼
命令
clang -S -fobjc-arc main.bc -o main.s
clang -S -fobjc-arc main.ll -o main.s
生成匯編代碼也可以進(jìn)行優(yōu)化
clang -Os -S -fobjc-arc main.m -o main.s
執(zhí)行命令
clang -S -fobjc-arc main.ll -o main.s

_test:                                  ## @test
    .cfi_startproc
## %bb.0:
    pushq   %rbp 
    .cfi_def_cfa_offset 16
    .cfi_offset %rbp, -16
    movq    %rsp, %rbp
    .cfi_def_cfa_register %rbp
    movl    %edi, -4(%rbp)
    movl    %esi, -8(%rbp)
    movl    -4(%rbp), %eax
    addl    -8(%rbp), %eax
    addl    $3, %eax
    popq    %rbp
    retq
    .cfi_endproc
                                        ## -- End function
    .globl  _main                           ## -- Begin function main
    .p2align    4, 0x90

這是x86的匯編指令集。
我們再執(zhí)行這個(gè)clang -Os -S -fobjc-arc main.m -o main.s優(yōu)化的命令

_test:                                  ## @test
    .cfi_startproc
## %bb.0:
    pushq   %rbp
    .cfi_def_cfa_offset 16
    .cfi_offset %rbp, -16
    movq    %rsp, %rbp
    .cfi_def_cfa_register %rbp
                                        ## kill: def $esi killed $esi def $rsi
                                        ## kill: def $edi killed $edi def $rdi
    leal    3(%rdi,%rsi), %eax
    popq    %rbp
    retq
    .cfi_endproc
                                        ## -- End function
    .globl  _main                           ## -- Begin function main
_main:                                  ## @main
    .cfi_startproc
## %bb.0:
    pushq   %rbp
    .cfi_def_cfa_offset 16
    .cfi_offset %rbp, -16
    movq    %rsp, %rbp
    .cfi_def_cfa_register %rbp
    leaq    L_.str(%rip), %rdi
    movl    $6, %esi

這是經(jīng)過優(yōu)化過的齿坷，main的函數(shù)調(diào)用的test直接優(yōu)化成了6桂肌。

5 生成目標(biāo)文件（匯編器）

目標(biāo)文件的生成，是匯編器以匯編代碼作為輸入胃夏，將匯編代碼轉(zhuǎn)換為機(jī)器代碼轴或，最后輸了目標(biāo)文件(object file)昌跌。這里屬于后端的作務(wù)仰禀。
執(zhí)行命令clang -fmodules -c main.s -o main.o，生成的main.o就是目標(biāo)文件蚕愤。通過xcrun nm -nm main.o查看符號(hào)答恶，如下所示

                 (undefined) external _printf
0000000000000000 (__TEXT,__text) external _test
000000000000000a (__TEXT,__text) external _main

_printf是一個(gè)undefined external的符號(hào)饺蚊。
undefined表示當(dāng)前文件暫時(shí)找不到符號(hào)。
external表示這個(gè)符號(hào)是外部可以訪問的悬嗓。

5 生成可執(zhí)行文件（鏈接）

連接器把編譯產(chǎn)生的.o文件和（.dylib.a）文件污呼，生成一個(gè)macho-o文件。
我們執(zhí)行命令clang main.o -o main生成了可執(zhí)行文件main包竹。
我們再通過命令xcrun nm -nm main燕酷，如下

              (undefined) external _printf (from libSystem)
                 (undefined) external dyld_stub_binder (from libSystem)
0000000100000000 (__TEXT,__text) [referenced dynamically] external __mh_execute_header
0000000100003f6d (__TEXT,__text) external _test
0000000100003f77 (__TEXT,__text) external _main
0000000100008008 (__DATA,__data) non-external __dyld_private

這里有兩個(gè)外部符號(hào)_printf（可以找到）和dyld_stub_binder。
當(dāng)我們的程序進(jìn)入內(nèi)存的的時(shí)候周瞎，外部函數(shù)會(huì)立即跟dyld_stub_binder綁定苗缩，這個(gè)dyld是強(qiáng)制執(zhí)行，鏈接是打個(gè)標(biāo)記声诸，符號(hào)在哪個(gè)庫中（編譯期）酱讶，綁定是在執(zhí)行的時(shí)候把外部函數(shù)地址和符號(hào)進(jìn)行綁定（運(yùn)行期），一定會(huì)有dyld_stub_binder這個(gè)符號(hào)彼乌，先綁定這個(gè)符號(hào)泻肯，其它函數(shù)的綁定由dyld_stub_binder執(zhí)行。

總結(jié)編譯器的流程：

• 前端：讀取代碼慰照，詞法分析灶挟，語法分析，語義分析毒租，生成AST（生成IR）
• 優(yōu)化器：根據(jù)一個(gè)個(gè)的pass進(jìn)行優(yōu)化膏萧，
• 后端：生成匯編，根據(jù)不同的架構(gòu)生成可執(zhí)行文件

LLVM最大的好處：前后端分離蝌衔。
pass的解釋：就是“遍歷一遍IR榛泛，可以同時(shí)對(duì)它做一些操作”的意思。翻譯成中文應(yīng)該叫“趟”噩斟。 在實(shí)現(xiàn)上曹锨，LLVM的核心庫中會(huì)給你一些 Pass類 去繼承。你需要實(shí)現(xiàn)它的一些方法剃允。 最后使用LLVM的編譯器會(huì)把它翻譯得到的IR傳入Pass里沛简，給你遍歷和修改

總結(jié)

這篇文章帶大家初步了解了編譯器的原理，LLVM的架構(gòu)斥废。分析了編譯的流程椒楣，希望這篇文章可以讓大家學(xué)習(xí)到新的知識(shí)。