3 LLVM 虚拟机指令集
LLVM 系统架构采用积极的持续的系统优化，产生高性能可执行文件。LLVM 与其它系统的一个关键不同是它所采用的程序表现。这样的程序表现，首先必须足够低级，允许编译的早期各个阶段进行大量优化；同时又要足够的高级，可以支持积极的链接时和链接后优化。
LLVM 虚拟指令集，是具有高级类型信息的低级表现，提供广泛的独立于语言的类型信息，把内存分配直接暴露给编译器，并且提供同一的抽象。本章讨论 LLVM 虚拟指令集的主要特性，每个指令的具体语法和语义可以参考 LLVM 引用手册。
3.1 LLVM虚拟指令集概览
LLVM 指令集代表一个虚拟架构，用来捕获常规处理器的关键操作，同时避免特定机器的限制，如物理寄存器、管线、低级调用规范、陷阱等。LLVM 提供无限数量的类型化的虚拟寄存器，用来存储基础类型的值，如整形、浮点型、指针类型。虚拟寄存器采用静态单赋值形式[15]（SSA），它广泛地用于编译器的优化表示，可参考3.2.1。 LLVM 类型系统在 3.3 中有更详细的介绍。LLVM 虚拟指令集，使用独特的方式，显示的表现异常控制流，可参考 3.5。
LLVM 程序在虚拟寄存器和内存之间，仅靠load 和 store 操作，使用类型指针的方式针传输值。内存被划分为全局区域、栈、堆（过程被视为全局对象）。 栈、堆上的对象分别使用 alloca 和 malloc 指令，并通过这两个操作返回的指针值来访问。栈对象在当前函数的栈帧中分配，当控制流（线程）离开函数时自动释放。堆对象必须使用 free 指令显示释放。这些操作的动机和实现可参考 3.4。
LLVM 是一个虚拟指令集，没有定义运行时和操作系统函数，如 I/O、内存管理、signals等等。这些特性由运行时库和 API 提供，程序可链接它们，同时 LLVM 虚拟指令集是一阶语言，有文本、二进制、内存表示。该决策的隐含意义可参考 3.6。
3.2 三地址码
三地址码早已经成为，RISC 架构和语言独立的编译器优化，选择的表现形式。在核心理念上，它与机器码非常接近，具有少数的简单且正交 （orthogonal）操作。三地址码非常易压缩，允许高密度的 LLVM 文件。
大多数 LLVM 操作，包括所有的算术和逻辑操作，都使用三地址形式：接收一个或两个操作数，产生单一的结果。LLVM 提供非常标准且正交的算术和逻辑操作集：add, sub, mul, div, rem, not, and, or, xor, shl, shr, and setcc。setcc 是比较指令的一个集合，如 seteq, setlt 等，其返回值都是 boolean 类型。
除了简单的二操作数指令（binary instructions 二操作数 VS 二进制**），一些指令接收 0 个、3 个或是可变数量的操作数，**如 call 指令、和用来以 SSA 形式表现代码的 phi 指令。
The LLVM Instruction Set and Compilation Strategy
没有一元运算符， not 和 neg 使用 xor 和 sub 实现
LLVM 指令是多态的：单个指令如 add，可以操作几种不同类型的操作数，该策略大幅降低了操作符的数量。操作数的类型会自动定义操作的语义和结果的类型，操作数遵循严格的类型规则。
下例展示几个简单的 LLVM 操作：
其中类型信息决定，有符号除法还是无符号除法，有符号比较操作还是无符号比较操作。
3.2.1 静态单赋值形式
LLVM 使用静态单赋值（SSA）形式作为器主要的代码表现。如果程序的变量只定义一次，只在定义时初始化一次，这样的程序是 SSA 的。SSA 极大的简化了数据流优化，因为所有变量的单次定义决定了其所有的属性。无需昂贵的数据流分析（稀疏属性），SSA 允许快速流不敏感算法，取得流敏感算法的许多优点。
flow-insensitive algorithms （sparseness property）
单一定义属性的一个隐含特性是，每个计算值的指令会隐式的创建一个新的虚拟寄存器，存储新值，如 add int %x, %y 。可以主动用一个显示名称，如 %z，来保存该只，否则系统会自动使用一个唯一的名称保持该值。该属性使 LLVM 可以**直接使用计算该值的操作，使高效的 **def-use 信息成为可能。
当考虑控制流时，简单变量重命名不足以让代码成为有效的 SSA 形式。为了处理控制流合并，SSA 形式定义了φ函数，根据控制流来自于那个基本块，来选择一个输入值。LLVM 提供 phi 指令，对应 SSA φ-node，语法为：
<result> = phi <type> [<val0>, <label0>], ... , [<valN>, <labelN>]
Figure 3.2 shows an example function which requires φ nodes.
含义为，如果控制流从基本块 label0 到达，则把 val0 的值赋给 result，以此类推。基本块中的所有 phi 指令，必须出现在基本块的开始。下图 3.2 中的函数，需要 φ函数：
如前所述，LLVM 虚拟寄存器采用 SSA 形式，而内存中的值不采用。因为标号不会有别名，，这极大地简化了转换。
= phi [ , ], ...
phi 是指令名称，φ函数；ty 类型名称，这里是 int 类型；后面的多个 [ , ] 表示特定分支来源 labeli 下，%result 会赋值为 vali 。比如在第一次进入Loop时，%result = 1，%i = 0，之后的所有迭代 %result = %result2，%i = %i2。
3.3 高级类型信息
LLVM 采用严格的类型表现，每个 SSA 值和内存位置都有一个关联类型，且所有的操作都遵循严格的类型规则。该类型信息，允许在低级码上进行广泛的高级转换。另外在优化中，LLVM 一致性检查器，可使用类型不匹配来检测错误。
LLVM 类型系统包含语言独立的基础类型 (void、bool、signed、unsigned integers from 8 to 64 bits, floating-point values in single and double precision、opaque) 和构造类型pointers、arrays、structures、functions)。这些类型都是从高级语言类型映射来且语言独立的数据表现。如 C++ 中类的继承和虚拟方法，可以使用结构体来表现其数据类型，使用带有间接函数调用的类型化函数表表现继承。 这允许很多高级的语言独立优化，如虚函数决议，在 LLVM 码上执行。下面图 3.4 说明 LLVM 类型：
所有的 LLVM 指令都具有严格类型限制，限制其操作数以简化转换，并保持类型正确性。例如下图 3.5 中： add 指令，要求其两个操作数必须类型一致，integral 或 floating-point，并产生一个同类型的返回值；load 指令，需要你个指针操作数，作为加载源)；store 指令，把某类型 τ 的值，存入 τ* 内存中。图 3.5 显示了一些错误的代码示范：
使用类型信息，可以轻松地，从低级代码中，提取出高级信息。为此，必须保持内存数据域的访问是类型安全的。为此， LLVM 引入了 getelementptr，用以维护类型安全。
3.3.1 使用 getelementptr 指令进行类型安全指针算术
getelementptr 指令用来以类型安全的方式，计算聚合数据结构的子元素的地址。给定一个指向数据结构的指针和一个域号，getelementptr 指令将产生一个到该域的指针。同理数组类型。
下面是 C 前端产生的 LLVM 代码（⚠️s是一个链表，取第1号元素）：
= getelementptr , * {, [inrange] }*
3.3.2 区分安全和不安全代码：cast 指令
有两个进行类型转换的原因：显示转换一个值的类型，这时可能不需要操作类型；或把数据重新解读为另外一个类型。在 LLVM 必须使用 cast 指令进行类型转换，如：
LLVM 作为通用目低级指令集，对任何高级语言，需要同时表现 **“type-safe” 和 “type-unsafe’ 程序，只有 **“type-safe” 操作数可以进行面向内存的优化。
LLVM 程序认为满足以下条件为类型安全：没有非指针类型到指针类型的转换指令、没有类型的指针到其它类型的指针的转换指令。图 3.8 中最后两个转换是不安全的。
如果一个程序是类型安全的，则可以利用类型信息进行分析（如别名分析）和安全地进行数据结构重组转换。如果程序是完全类型安全的，LLVM 代码可以**对指针算术使用 **getelementptr 指令，且无需要求任何不安全映射。如带有指针算术的某语言，naive 编译可能会导致类型冲突可参考 图 3.9：
在最后的语句中的指针算术，可编译为图 3.10 的 LLVM 代码：
%P2 映射是不安全的，任意值都可以被映射成指针。可以使用 getelementptr 指令代替换：
在实践中，根据上述定义，**大多数 **C 程序是完全的或大多数情况下类型安全的，并且可以通过简单转换消除掉多数的不安全映射操作。然而，某些程序必须使用不安全操作，如把整数映射成指针或把内存映射硬件设备的地址映射为指针，不能使用 getelementptr 指令进行类型转换。在这些情况中，当类型系统被违背时，LLVM 中的 cast 指令会提供关键的信息，用以提升分析并允许直接确定转换是否安全。
3.4 显式内存分配和同一内存模型
一些难以充分优化的程序是内存绑定程序，它们使用大量的堆上的复杂数据结构。 为了更好的分析编译器内存分配模式，给指令集中添加了类型化的内存分配指令。malloc 指令在堆上分配一个或是多特定类型的元素，返回一个指向分配内存的类型化的指针。free 指令释放 malloc 指令分配的内存。alloca 指令同 malloc 一样，但是它在当前函数的栈上分配空间，当函数返回时自动释放。
这些指令都是保证表现的类型安全的必要条件，并允许新的转换如 4.2 中的数据类型分析，和 4.3 中的自动释放池。即使对于非类型安全的编程语言例如C，这些积极的技术也是安全的。
LLVM 虚拟指令集处理内存的方式也非常的独特。在 LLVM 中，所有的可寻址对象（栈上、全局、函数、堆上）都是显示的分配的，同一内存模型。栈分配的本地对象(“automatic” variables and source-level alloca() calls)使用 alloca 指令；在Heap 上使用 malloc 指令分配内存；函数和全局变量声明静态分配的内存区域，并通过对象地址访问（全局值的名称会引用地址）。
使用地址访问内存对象的一个有意思的效果是，LLVM 根本不需要 “address-of” 操作符，且无法隐式访问内存，简化了内存访问分析。所有的内存访问都通过 load 和 store 指令执行。
3.5 函数调用和异常处理
LLVM 提供两个函数调用指令，抽象底层机器的调用规范，简化程序分析，提供异常处理支持。简单的 call 指令，接受一个函数指针和对应的传值参数，来调用函数。invoke 指令，被用于带有析构器的语言，进行异常处理。
LLVM 为“零成本”异常处理实现了堆栈展开机制[9]。“零成本”异常处理模型表明，在不抛出异常时，异常处理不会导致程序执行额外的指令。如抛出异常，堆栈将展开，即逐个遍历堆栈上函数调用的返回地址。LLVM运行时会保存返回地址到异常处理程序块的静态映射，在堆栈展开期间，调用这些异常处理程序块。
[9] David Chase. Implementation of exception handling, Part I. The Journal of C Language Translation, 5(4):229–240, June 1994.
为了构建具柄信息的静态映射，LLVM 提供了invoke 指令，接受一个异常具柄标号、函数指针、参数操作数。产生代码时，把invoke 指令的返回地址与异常具柄标号关联起来，当栈帧展开时调用异常处理历程或是清理历程。
LLVM 中的 invoke 指令，通过使用低级概念（返回映射中具柄的地址），可以直接表现高级异常，这使得 LLVM 独立于源语言的异常处理语意。使用这种表示，可直接指定异常的边缘且对LLVM 框架可见，遇到异常时，确保所有 LLVM 转换都是正确的。图 3.12 说明了 C++ 前端产生的 invoke 指令的一个例子：
这里的一个非常简单的关键点是，当代码块退出时（指函数出栈），C++确保所有栈上分配的对象的析构器被调用。如果 func() 调用抛出了异常，代码块将会退出，必须设置一个具柄用来调用对象析构器。图 3.13 显示了图 3.12 的 LLVM 代码：
invoke 指令和一饿异常具柄关联，如果调用函数时异常被抛出，调用该具柄处理异常。在下图3.1.3 中，观察本地对象析构器的调用及其异常具柄。在 java 语言中（栈展开时不用调用析构器），invoke 指令被用来解锁。在任何语言中，可以使用异常目标术语来实现 catch 语句。
虽然目前没有任何前端使用 LLVM 内置的异常具柄，所有的优化和转变都可意识到异常控制流的边界，单元测试也可正常工作。我们也计划使用这一工具来实现 C 中的setjmp 和 longjmp 。
3.6 纯文本、字节码和内存表示法
LLVM虚拟指令集是统一第2章所述系统设计的粘合剂。 因此，系统的有效性和易用性，依赖指令集设计的诸多方面。LLVM 虚拟指令集的一个重要的特性是： 它是一级语言，采用文本格式（本文档中包含了一些示例）、压缩的二进制格式、适合转换的内存格式。
LLVM 码能够在这些表现直接转换同时不丢失信息，这使得对转换的调试特别简单，非常容易的写测试用例，降低需要理解内存表现的时间。
资料
juejin.cn/post/687567… 第二章（翻译）
LLVM- An Infrastructure for Multi-Stage Optimization 翻译原文，LATTNER 的硕士论文
pllab.cs.nthu.edu.tw/cs340402/le…** 推荐阅读**
developer.aliyun.com/article/727… Getting Started with LLVM Core Libraries 的翻译，推荐阅读
book Getting Started with LLVM Core Libraries ，推荐阅读，第三章 Getting to know LLVM's basic libraries 和第五章 The LLVM Intermediate Representation 对IR的综合阐述
llvm.org/docs/Writin… 推荐阅读与实践
llvm.org/docs/Progra… 编码手册 实践必读
llvm.org/docs/Coding… 编码标准 实践必读
