序言

出于对成为编译器工程师的向往，我开始深入挖掘各项编译技术的细节。作为一名前端工程师，我决定首先从 WebAssembly 技术开始学习。本系列文章记录了我阅读 WebAssembly 规范的重点笔记。

你可以在此链接查阅完整的 WebAssembly 规范：WebAssembly Spec 。

约定

WebAssembly 是一种编程语言，具有二进制格式和文本格式两种表示形式。两者都映射到同一个结构。为了简洁起见，这个结构以抽象语法的形式描述。

语法符号

在定义抽象语法的规则时采用以下约定。

• 终结符使用无衬线字体或符号形式表示：i32、end、→、[,]。
• 非终结符号以斜体表示：valtype、instr。
• $A^n$ 是 A 迭代了 $n\geq0$ 次的序列。
• $A^*$ 是 A 的可为空的迭代序列。（这是 $A^n$ 的简写。）
• $A^+$ 是 A 的非空迭代序列。（这是 $A^n$ 在 $n\geq1$ 时的简写。）
• $A^?$ 是 A 是可选的。（这是 $A^n$ 在 $n\leq1$ 时的简写。）
• 产生式表示为 $sym::=A_1|...|A_n$。
• 长产生式可以分为多个，以省略号 $sym::=A_1|...$ 结束第一个定义，并以省略号 $sym::=...|A_2$ 开始来延续。
• 一些产生式在括号中增加附加条件，“(if 表达式)”，提供一种简写方式，用于将产生式组合扩展为许多单独的情况。
• 如果在一个产生式中多次出现相同的元变量或非终端符号，则所有这些出现必须具有相同的实例化。（这是一个简写，要求多个不同的变量相等需要一个附加条件。）

辅助符号

在处理语法结构时，还使用以下符号：

• $\epsilon$ 表示空序列。
• $|s|$ 表示序列 $s$ 的长度。
• $s[i]$ 表示序列 $s$ 的第 $i$ 个元素，索引从0开始。
• $s[i:n]$ 表示序列 $s$ 的子序列 $s[i]...s[i+n-1]$。
• $s with [i]=A$ 表示与 $s$ 相同的序列，只是第 $i$ 个元素被替换为 $A$。
• $s with [i:n]=A$ 表示与 $s$ 相同的序列，只是子序列 $s[i:n]$ 个被替换为 $A^n$。
• $concat(s*)$ 表示通过连接所有序列 $s_i$ 形成序列 $s_*$。

向量

向量是 $A^n$（或 $A^*$）形式的序列，其中 $A$ 可以是值或复杂结构。一个向量最多可以有$2^{32}-1$个元素。

值

WebAssembly 程序处理原始的数字值。此外，在程序定义中，用不可变的值序列表示复杂数据，例如文本字符串或其他向量。

字节（Bytes）

最简单的值形式是字节。在抽象语法中，它们表示为十六进制字面量。

整数（Integers）

不同类别的整数根据位宽和是无符号还是有符号来区分其值的范围。

$iN$ 表示整数，它们的符号依赖上下文。在抽象语法中，它们表示为无符号值。但是，一些操作会根据二进制补码将它们转换为有符号值。

浮点数（Floating-Point）

浮点数表示32位或64位值，对应于 IEEE 754标准（第3.3节）的二进制格式。

向量（Vectors）

向量是由向量指令（也称为 SIMD 指令，单指令多数据）处理的128位值。它们在抽象语法中使用 i128 表示。向量的类型（整数或浮点数）和向量的大小取决于特定指令对它们的操作。

字符串（Names）

字符串是字符序列，这些字符是由 Unicode（第2.4节）定义的常量值。

类型

WebAssembly 中的值会被指定类型。在验证、实例化和执行期间进行类型检查。

数字类型

数字类型表示数字值。

向量类型

向量类型表示向量指令（也称为 SIMD 指令、单指令多数据）处理的数值。

引用类型

引用类型表示运行时存储中对象的一级引用。

值类型

结果类型

函数类型

Limits

Limits 表示内存类型和表类型这种可变存储的大小范围。

如果没有给出最大值，则相应的存储可以增长到任何大小。

内存类型

内存类型表示线性内存及其大小范围。

这些限制限制内存的最小大小和最大大小。这些限制以内存页为单位给出。

表类型

全局类型

外部类型

外部类型表示导入和外部值，以及它们的类型。

指令

WebAssembly 代码由指令序列组成。它的计算模型基于栈式虚拟机，即指令隐式操作栈上的操作数，消费（popping）参数值并产生或返回（pushing）结果值。

除了来自栈中的动态操作数之外，一些指令还具有静态参数，通常是索引或类型，它们是指令本身的一部分。

一些指令是按照嵌套指令序列的方式进行结构化的。

下面将指令分为多个不同的类别。

数值指令

数值指令提供对特定类型数值的基本操作。这些操作与硬件中可用的相应操作密切匹配。

数值指令按数值类型划分。对于每种类型，可以区分几个子类别：

• 常量（Constants）：返回静态常量
• 一元运算（Unary Operations）：消费一个操作数并产生一个相应类型的结果。
• 二元运算（Binary Operations）：消费两个操作数并产生一个相应类型的结果。
• 测验（Tests）：消费一个相应类型的操作数并产生一个布尔整数结果。
• 比较（Comparisons）：消费两个相应类型的操作数并产生一个布尔整数结果。
• 转换（Conversions）：消耗一种类型的值并产生另一种类型的结果。

向量指令

向量指令（也称为 SIMD 指令、单指令多数据）提供对向量类型值的基本操作。

向量指令有一个命名约定，涉及一个前缀，确定它们的操作数将被如何解析。该前缀描述了操作数的形状，写成 $t\textsf{x}N$，由打包的数值类型和该类型的通道数组成。操作在每个通道的值上逐点进行。

备注：

例如，$32\textsf{x}4$表示4个 i32 值，打包成一个 i128。数字类型 t 乘 N 的位宽必须为128。

引用指令

这部分的指令与引用类型相关。

这些指令分别为生成空值、检查空值或生成给定函数的引用。

参数化指令

这部分的指令可以对任何值类型的操作数进行操作。

drop 指令用于丢弃单个操作数。

select 指令根据其第三个操作数是否为零来选择其前两个操作数中的一个。

变量指令

变量指令用于访问本地和全局变量。

表指令

这部分的指令与表类型相关。

内存指令

这部分的指令与线性内存相关。

控制指令

这部分的指令会影响控制流。

表达式

模块

WebAssembly 程序被组织成模块，这是部署、加载和编译的基本单元。一个模块收集类型、函数、表、内存和全局变量的定义。此外，它可以声明导入和导出，并提供数据和元素段的初始化，或者一个启动函数。

每个向量——以及整个模块——都可能为空。

索引

定义由从零开始的索引引用。每个类型都有自己的索引空间，由以下类型区分。

$typeidx ::= u32$

$funcidx ::= u32$

$tableidx ::= u32$

$memidx ::= u32$

$globalidx ::= u32$

$elemidx ::= u32$

$dataidx ::= u32$

$localidx ::= u32$

$labelidx ::= u32$

类型

模块中使用的所有函数类型都必须在 types 中定义。它们由类型索引引用。

函数

$func ::= {type\ typeidx,locals\ vec(valtype),body\ expr}$

表

内存

全局

元素段

数据段

启动函数

导出

导入

模块中的导入组件定义了一组在实例化时所需的导入。

每个导入都通过两级命名空间标识，模块名和该模块内实体名。可导入的定义包括函数、表、内存和全局变量。每个导入都通过描述符表示，该描述符具有相应的类型，要求在实例化期间提供的定义必须匹配。