LLVM 的介绍及编译流程分析

晨曦_iOS
1,937 阅读9分钟

在我们介绍 LLVM 之前我们先通过一个案例来了解一下编译器。

编译器

  • python 示例

image.png image.png

首先打开终端，cd 到一个指定目录下，通过 vi helloDemo.py 命令创建一个 python 文件并编写一段打印代码。编写完成后我们通过 python 的编译器直接去读 helloDemo.py 文件，python helloDemo.py 之后会直接输出打印 hello world。

  • clang 示例

image.png image.png

这里也是一样通过 vi helloDemo.c 命令创建一个 c 文件并编写一段打印代码。编写完成后我们通过 clang 的编译器直接去读 helloDemo.c 文件，但是这里会有一些区别，我们可以看到会生成一个 a.out 的可执行文件，./a.out 之后会输出打印 hello world。

通过两个案例我们可以看到，python 是一种解释型语言，可以直接输出执行，而 c 是一种编译型语言，需要生成一份可执行文件，然后读取可执行文件才能输出打印。在我们的 /user/bin 目录下也可以看到 clang 跟 python 这两个编译器。

解释型语言：相对于编译型语言存在的，源代码不是直接翻译成机器语言，而是先翻译成中间代码，再由解释器对中间代码进行解释运行。比如 Python/JavaScript / Perl /Shell 等都是解释型语言。 程序不需要编译，程序在运行时才翻译成机器语言，每执行一次都要翻译一次。因此效率比较低。比如 Basic 语言，专门有一个解释器能够直接执行 Basic 程序，每个语句都是执行的时候才翻译。(在运行程序的时候才翻译，专门有一个解释器去进行翻译，每个语句都是执行的时候才翻译。效率比较低，依赖解释器，跨平台性好)。

编译型语言：运行编译型语言是相对于解释型语言存在的，编译型语言的首先将源代码编译生成机器语言，再由机器运行机器码（二进制）。像 C/C++ 等都是编译型语言。 程序在执行之前需要一个专门的编译过程，把程序编译成 为机器语言的文件，运行时不需要重新翻译，直接使用编译的结果就行了。程序执行效率高，依赖编译器，跨平台性差些。如 C、C++、Delphi 等。 而相对的,解释性语言编写的程序不进行预先编译，以文本方式存储程序代码。在发布程序时，看起来省了道编译工序。但是，在运行程序的时候，解释性语言必须先解释再运行。

LLVM 介绍

LLVM 概述

LLVM 是构架编译器（compiler 的框架系统，以 C++ 编写而成，用于优化以任意程序语言编写的程序的编译时间（compile-time）、链接时间（link-time）、运行时间 run-time）以及空闲时间（idle-time），对开发者保持开放，并兼容已有脚本。LLVM 计划启动于 2000 年，最初由美国 UIUC 大学的 ChrisLattner 博士主持开展。2006 年 ChrisLattner 加盟 AppleInc 并致力于 LLVM 在 Apple 开发体系中的应用。Apple 也是 LLVM 计划的主要资助者。目前 LLVM 已经被苹果 IOS 开发工具、Xilinx Vivado、Facebook、Google 等各大公司采用。

传统编译器设计

image.png

编译器前 (Frontend)

编译器前端的任务是解析源代码。它会进行:词法分析，语法分析，语义分析，检查源代码是否存在错误，然后构建抽象语法树(Abstract Syntax Tree, AST)LLVM 的前端还会生成中间代码(intermediate representation，IR)。

优化器(Optimizer)

优化器负责进行各种优化。改善代码的运行时间，例如消除冗余计算等。

后端(Backend)/代码生成器(CodeGenerator)

将代码映射到目标指令集。生成机器语言，并且进行机器相关的代码优化。

iOS 的编译器架构

ObjectiveC/C/C++ 使用的编译器前端是 Clang，Swift 是Swift，后端都是 LLVM。

image.png

LLVM 的设计

当编译器决定支持多种源语言或多种硬件架构时，LLVM 最重要的地方就来了。其他的编译器如 GCC，它方法非常成功，但由于它是作为整体应用程序设计的，因此它们的用途受到了很大的限制。LLVM 设计的最重要方面是，使用通用的代码表示形式 (IR)，它是用来在编译器中表示代码的形式。所以 LLVM 可以为任何编程语言独立编写前端，并且可以为任意硬件架构独立编写后端。

image.png

Clang

Clang 是 LLVM 项目中的一个子项目。它是基于 LLVM 架构的轻量级编译器，诞生之初是为了替代 GCC，提供更快的编译速度。它是负责编译C、C++、Objecte-C 语言的编译器，它属于整个 LLVM 架构中的，编译器前端。对于开发者来说，研究 Clang可以给我们带来很多好处。

编译流程

了解了 LLVM 跟 clang 之后，下面我们来探究一下编译流程。

词法&语法分析 IR 代码

#import <stdio.h>

#define C 30

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

image.png

首先我们创建一个 main.m 文件，通过 clang -ccc-print-phases main.m 来查看编译的步骤，下面我们来分别介绍这几个步骤：

  • 0: input, "main.m", objective-c

输入文件：找到源文件。

  • 1: preprocessor, {0}, objective-c-cpp-output

预处理阶段：这个过程处理包括宏的替换，头文件的导入。

  • 2: compiler, {1}, ir

编译阶段：进行词法分析, 语法分析, 检测语法是否正确，最终生成 IR。

  • 3: backend, {2}, assembler

后端：这里 LLVM 会通过一个一个的 Pass 去优化，每个 Pass 做一些事情，最终生成汇编代码。这里 Pass 可以理解为一个节点。

  • 4: assembler, {3}, object

生成目标文件

  • 5: linker, {4}, image

链接：链接需要的动态库合静态库，生成可执行文件。

  • 6: bind-arch, "x86_64", {5}, image

通过不同的架构，生成对应的可执行文件。

编译步骤拆分

下面我们通过命令拆分这些步骤： ###预处理

clang -E main.m >> main1.m

image.png

执行完命令之后会生成 main1.m，然后我们可以看到 C 被替换成了 30。除了这些，这里也会进行头文件的展开处理。

###词法分析

clang -fmodules -fsyntax-only -Xclang -dump-tokens main.m

image.png

预处理完成之后会进行词法分析，这里执行完命令之后可以看到代码被按关键字, (, {, 参数名进行拆分，这里会把代码切成一个一个 token。

###语法分析

clang -fmodules -fsyntax-only -Xclang -ast-dump main.m

image.png

词法分析完成之后就是语法分析，它的任务是验证语法是否正确。在词法分析的基础上将单词序列组合成各类语法短语，如 ”程序“, ”语法“, ”表达式“ 等等，然后将所有节点组成抽象语法树（Abstract Syntax Tree，AST）。语法分析程序判断源程序在结构上是否正确。当我们代码语法错误的时候在这一步也会报相应的错误，感兴趣的话大家可以自己试一试。

如果导入头文件找不到，那么可以指定 SDK

clang -isysroot /Applications/Xcode.app/Contents/Developer/Platforms/ iPhoneSimulator.platform/Developer/SDKs/iPhoneSimulator12.2.sdk􏲇􏲑􏲒S DK􏲓􏲔􏲈 -fmodules -fsyntax-only -Xclang -ast-dump main.m

###生成中间代码 IR (intermediate representation)

完成以上步骤后就开始生成中间代码 IR 了，代码生成器（Code Generation）会将语法树自顶向下遍历，逐步翻译成 LLVM IR。通过下面命令可以生成 .ll 的文本文件，查看 IR 代码。

clang -S -fobjc-arc -emit-llvm main.m

Objective-C 代码在这一步会进行 runtime 的桥接：property 合成，ARC 处理等

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

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

image.png

我们通过命令生成 IR 代码之后可以看到 test 函数会比较复杂，这里是默认没有优化过的 IR 代码。

  • IR 的基本语法。

@：全局标识 %：局部标识 alloca：开辟空间 align：内存对齐 i32：32 个 bit，4 个字节 store：写入内存 load：读取数据 call：调用函数 ret：返回

  • IR 的优化 LLVM 的优化分别是 -O0 -O1 -O2 -O3 -Os（第一个是大写英文字母 O）
clang -Os -S -fobjc-arc -emit-llvm main.m -o main.ll

image.png 开启最大优化后我们可以看到 IR 代码会变得非常简单。

image.png 我们在项目中也可以设置优化的级别，但是优化等级不是越高越好，如果太高有可能会把我们要保留的代码优化掉，所以一般我们用默认的就好。

生成可执行文件

bitCode

xcode7 以后开启 bitcode 苹果会做进一步的优化。生成 .bc 的中间代码。我们通过优化后的 IR 代码生成 .bc 代码

clang -emit-llvm -c main.ll -o main.bc

生成汇编代码

我们通过最终的 .bc 或者 .ll 代码生成汇编代码。

clang -S -fobjc-arc main.bc -o main.s
clang -S -fobjc-arc main.ll -o main.s

生成汇编代码也可以进行优化。

clang -Os -S -fobjc-arc main.m -o main.s

生成目标文件（汇编器）

目标文件的生成，是汇编器以汇编代码作为输入，将汇编代码转换为机器代码，最后输出目标文件（object file）。这一步开始属于后端。

clang -fmodules -c main.s -o main.o

通过 nm 命令，查看下 main.o 中的符号

YongbiaoMac:clangDemo lyb$ xcrun nm -nm main.o
                 (undefined) external _printf
0000000000000000 (__TEXT,__text) external _test
000000000000000d (__TEXT,__text) external _main

_printf 是一个 undefined 的。undefined 表示在当前文件暂时找不到符号 _printf ，external 表示这个符号是外部可以访问的。

生成可执行文件（链接）

链接器把编译参数的 .o 文件和 （.dylib .a）文件，生成一个 mach-o 文件。

clang main.o -o main

查看链接之后的符号：

YongbiaoMac:clangDemo lyb$ xcrun nm -nm main
                 (undefined) external _printf (from libSystem)
                 (undefined) external dyld_stub_binder (from libSystem)
0000000100000000 (__TEXT,__text) [referenced dynamically] external __mh_execute_header
0000000100003f51 (__TEXT,__text) external _test
0000000100003f5e (__TEXT,__text) external _main
0000000100008008 (__DATA,__data) non-external __dyld_private

这里 dyld_stub_binder 在 mach-o 文件进入到内存之后就会执行，在这里执行符号绑定，由 dyld 来完成。链接在编译期完成，绑定在执行期完成。当调用 _printf 函数的时候由 dyld_stub_binder 到 libSystem 动态库中去找真实的符号地址进行绑定。

到这一步已经生成了可执行文件，我们执行下面命令可以输出打印：

YongbiaoMac:clangDemo lyb$ ./main
6

总结：了解了 clang 及 LLVM 的作用之后，后面我们可以尝试自己写一个 clang 插件。可以做类似 NSString 类型的属性被 strong 修饰报警告提示或者报错，但是比较耗时间跟费电脑，后面我们会再介绍。

avatar
文章
阅读
粉丝