[TOC]
不同语言有不同的编译方式
- "底层"语言通常使用编译，如：C, C++
- "高级"语言通常使用解释，如：Python, Ruby
- 有些语言采用混合的方式，如：Java 使用编译+即时编译(JIT, Just-In-Time)
编译：
源程序翻译成机器语言，才能运行
特点：
- 目标程序独立于源程序
- 分析程序上下文，易于整体优化
- 性能更好 （因此，核心代码通常采用C/C++）
graph LR
A[Source Code] --> B(Compiler) --> C[Machine Code] --> D[Output]
分类：
- 即时编译 (Just-In-Time Compiler, JIT): 在运行时执行程序编译操作，把翻译过的机器代码保存起来，以备下次使用
- 传统编译(Ahead-Of-Time, AOT): 先编译后运行
JIT vs AOT
- JIT具备解释器的灵活性。
- 只要有JIT编译器，代码即可运行
- 动态优化
- JIT性能上基本和AOT等同
- JIT的运行时编译操作 带来一些性能上的损失
- 但可以利用程序运行特征进行动态优化
C 语言编译包括以下4个阶段：
| 阶段序号 | 阶段名称 | Input file | Output file | 核心操作 | 对应命令 |
|---|---|---|---|---|---|
| 1 | 预处理 | hello.c | hello.i | 展开宏，包含头文件 | clang -E hello.c -o hello.i |
| 2 | 编译 | hello.i | hello.s | 生成汇编代码 | clang -S hello.i -o hello.s |
| 3 | 汇编 | hello.s | hello.o | 生成机器指令（目标文件） | clang -c hello.s -o hello.o |
| 4 | 链接 | hello.o | hello (可执行文件) | 链接库文件，生成可执行文件 | clang hello.o -o hello |
总的来说，C 语言编译将 源程序(hello.c) clang hello.c -o hello
flowchart TD
A(["Source Code<br/>(hello.c)"]) --> C["Preprocessor<br/>(cpp)"]
B(["Header Files<br/>(stdio.h)"]) --> C
C --> D(["Preprocessed<br/>(hello.i)"])
D --> E["Compiler<br/>(cc1)"]
E --> F(["Assembly<br/>(hello.s)"])
F --> G["Assembler<br/>(as)"]
G --> H(["Object Files<br/>(hello.o)"])
H --> J["Linker<br/>(ld)"]
I(["Static Library<br/>(libc.a)"]) --> J
J --> K(["Executable<br/>(a.out)"])
解释：
源程序作为输入，边解释边执行
特点：
- 不生成目标程序，可迁移性高
- 逐句执行，不易优化
- 性能通常不太好
flowchart LR
A["Source Code<br/>(basic.py)"] -->
B["Python Byte Codes<br/>(basic.pyc)"] -->
C("PVM") -->
D["Output"]
主要功能：分析，即：对源程序分析，识别语法结构信息，理解语义结果，反馈出错信息
由3部分构成：
- 词法分析 (Lexical Analysis)
- 语法分析 (Syntax Analysis)
- 语义分析 (Semantic Analysis)
主要功能：综合，即：综合分析结果，生成语义上等价于源程序的目标程序
由3部分构成：
- 中间代码生成 (Intermediate Code Generation)：转换成中间表示(Intermediate Representation, IR)
- 代码优化 (Code Optimization)
- 目标代码生成 (Code Generation)
下面逐个介绍整体架构中的每个部分。
以红色框内的代码为例，
作用：扫描源程序字符流，识别并分解出由此法意义的单词或符号（token）
Input：源程序
Output：token序列
token
表示方式：
<类别, 属性值>类别有：保留字、标示符、常量、运算符……
检查：token是否符合词法规则
例如：
#include<iostream>
void main() {
int 1a; //<- 1a 不符合cpp变量定义的形式（因为`1a`以数字1开头）
}对以上例子进行词法分析得：
作用：解析源程序对应的token序列，生成语法分析结构（语法分析树，Syntax tree）
Input：单词流(token序列)
Output：语法树
检查：输入程序是否符合语法规则
例如：
- else没有匹配的if
- 表达式缺少分号结尾
对以上例子进行语法分析得：
作用：基于语法结果进一步分析语义，收集标识符的属性信息（type, scope等）
Input：语法树
Output：语法树+符号表
检查：输入程序是否符合语义规则
例如：
- 数组下标越界
- 声明和使用的函数未定义
- 重复声明
- 零作为除数
作用：生成等价于源程序的中间表示（Intermediate Representation, IR）
Input：语法树
Output：IR
生成IR的好处：建立源和目标语言的桥梁，易于翻译过程的实现， 利于实现某些优化算法
IR的形式：通常为三地址码（TAC）
对以上例子进行中间代码生成得：
i := 0
loop:
t1 := x*5
t2 := &arr
t3 := sizeof(int)
t4 := t3*i
t5 := t2 + t4
*t5 := t1
i := i + 1
if i<10 goto loop
作用：加工变换中间代码使其更好（如: 代码更短、性能更高、内存使用更少）
Input：IR
Output：优化后的IR
例如：
- 识别重复运算并删除；
- 循环不变代码外提；
- 强度削弱；
- 运算操作替换；
- 使用已知量
- ……
Caution
这里的代码优化是机器无关的
对以上例子进行代码优化得：
t1 := x*5
t2 := &arr
t3 := sizeof(int)
i := 0
loop:
t4 := t3*i
t5 := t2 + t4
*t5 := t1
i := i + 1
if i<10 goto loop
作用：为特定机器产生目标代码（ e.g. 汇编）
Input：(优化后的) IR
Output：目标代码
主要职责：
- 寄存器分配：放置频繁访问的数据
- 指令选取：确定机器指令来实现IR操作
- 进一步做与机器有关的优化，例如：寄存器及访存优化
对以上例子进行目标代码生成得：
