代码改变世界

老赵谈IL（1）：IL是什么，它又不是什么？那么汇编呢？

2009-06-01 21:00  Jeffrey Zhao  阅读(33897)  评论(185)  编辑  收藏  举报

我们.NET开发人员必定离不开IL，就算您没有学习，也一定可以在各处看到它的身影。最近在博客园上活跃的IL文章译者包建强同学的一些看法让我大为震惊，决定独立开篇，希望可以让大家看到不同的声音。真理越辩越明，也欢迎大家来一起讨论，发表自己意见。我也会尽量把朋友们留在我博客上的看法汇总起来，并加以回应。

《我谈IL》也是系列文章，目前的计划有4篇，依次是：

  1. IL是什么，它又不是什么？那么汇编呢？。
  2. CLR内部有太多太多IL看不到的东西，包括您平时必须了解的那些（示例）。
  3. IL可以看到的东西，基本上都可以使用C#等高级语言来发现（示例）。
  4. 什么时候应该学IL，该怎么学IL。

您现在看到的便是本系列的第1篇：IL是什么，它又不是什么？那么汇编呢？。

我曾经在博客《浅谈尾递归的优化方式》和《使用WinDbg获得托管方法的汇编代码》涉及到了一些x86汇编，包同学在文章后留言，认为通过UltraEdit32此类编辑器观察到x86汇编：

我第三次仔细看了一遍最后这段代码，这段代码应该是从UltraEdit32中看到的，所以里面很多word不是IL中的关键字……

……就像我昨天提到用UltraEdit32这个工具来解读汇编代码，道理是一样的……

同样的事情发生在我最近写的一篇文章《从汇编入手，探究泛型的性能问题》以及包同学自己的文章后面的回复中：

如果不熟悉IL，又怎么能自己动手分析性能呢？你这篇文章不就证明了学习一点IL的重要性了么？

其实IL就是一门汇编语言，很奇怪有人一边在用IL Assembler分析性能，一边又在讲不要学习IL的话……

包同学作为微软MVP，是许多IL文章的译者，还有一本译作《Expert .NET 2.0 IL Assembler》即将出版，本应是这方面的专家。但是我现在非常担心这位专家的话会给许多学习.NET的朋友们一些较为严重的误导。从包同学之前的话来看，他对于IL和汇编的概念，从各自的作用到获取方式几乎完全混淆起来。因此冲动的我每次看到这样的言论都忍不住跳出来批驳一番，而这次更决定独立成文进行详细说明。

IL是微软.NET平台上衍生出来的一门中间语言，.NET平台上的各种高级语言（如C#，VB，F#）的编译器会将各自的文字表述方式转化为IL。各种不同的文字形式最终被统一到了IL的表述方式，其中包含了.NET平台上的各种元素，如“范型”，“类”、、“接口”、“模块”、“属性”等等。值得注意的是，各种高级语言本身可能根本没有这些“概念”在里头，如IronScheme是一个在.NET平台上的Scheme语言实现，其中根本没有前面提到的这些IL——亦或说是.NET平台上的名词。IL本身并不知道自己是由哪种高级语言转化而来的，哪种语言中有哪些特性，IL也根本不会关心。

谁来关心这些呢？自然是各语言的编译器了。这就是.NET平台上的高级语言的第一次转化：高级语言 => IL。

而我们平时说的“汇编”则要简单得多，这个简单并不代表“容易掌握，方便使用”，这个“简单”是指它的“定义”。汇编是让CPU直接使用的“语言”，请注意“直接”二字：一条汇编指令便是让CPU作一件事情（如寄存器的复制，从内存中读取数据等等），毫无二义。不同族CPU拥有不同的指令集，但是它们都有一样的特征：指令的数量相对较少，每个指令功能都简单之至。这也是为什么现在几乎没有人直接使用汇编写程序的原因，试想一下给您红、绿、蓝三原色，让您绘制一幅色彩绚丽的图画有多么困难。

由于CPU只认识汇编代码，因此就算是IL也需要再次进行转化，才能被CPU执行。这次转化便由“JIT Compiler”完成。CLR加载了IL之后，当每个方法——请注意这是IL中的概念——第一次被执行时，就会使用JIT将IL代码进行编译为机器码——对了，刚才我忘了提，机器码和汇编其实也是一一对应的，您可以这样理解：汇编是机器码的文字表现形式，提供了一些方便人们记忆的“助记符”。与IL不同的是，CLR，JIT都是真正了解CPU的，对于同样的IL，JIT会把它为不同的CPU架构（如x86/IA64等等）生成不同的机器码。这也是Java/.NET中“Compile Once，Run Everywhere”这一口号的技术基础：它们为不同的CPU架构提供了不同的“IL转化器”，仅此而已。与高级语言到IL的转化类似，CPU也完全不知道自己在执行的指令是从哪里来的，可能是JIT从IL转化而来，可能是JVM从Java Bytecode转化而来，也有可能是C语言编译得来，也有可能是由MIT/GNU Scheme解释而来。

这就是.NET平台上的高级语言在机器上运行的第二次转化：IL => 汇编（机器码）。

因此，IL和汇编的区别是显著的。IL拥有各种高级特性，它知道什么是范型，什么是类和方法（以及它们的“名称”），什么是继承，什么是字符串，布尔值，什么是User对象。而CPU只知道寄存器，地址，内存，01010101。与汇编相比，IL简直太高级了，几乎完全是一个高级语言，比C语言还要高级。因此，您会看到.NET Reflector几乎可以把IL代码“一五一十”地反编译为可读性良好的C#代码，包括类，属性，方法等等；而从汇编只能勉勉强强地反编译为C语言——而且其中的“方法名”等信息已经完全不可恢复了，更别说“模块”等高级抽象的内容。您想要把汇编反编译成C#代码？相信在将来这是可行的，不过现在这还是天方夜谭。

那么我们再来看看包同学的观点，例如首先他认为“用UltraEdit32这个工具来解读汇编代码”。如果您理解了我之前的解释，应该可以意识到这完全是一种谬论。IL是一种高度抽象，在运行之前，还需要由JIT转化为机器码才行。同样的IL代码，可以由不同CPU架构下的JIT编译成不同的机器码（同样的IL代码在同样的机器上是否也生成同样的机器码呢？答案是否定的，例如“泛型”……下一篇文章中我们会对此进行观察）。甚至于，CLR在运行了一段时间之后，可以让JIT重新生成一段更适合当前环境，性能更高的机器码供CPU执行。从这个角度上说，IL是静态的，而汇编是动态的。设法使用一个静态查看工具UltraEdit32来阅读一个动态的，不确定的内容，这又该如何实现呢？

不过真要说起来，使用UltraEdit32从理论上的确可以阅读一个编译后的IL代码，因为此时IL已经以二进制的形式存储在程序集文件中。例如IL Disassembler（ildasm.exe）和.NET Reflector便是通过读取程序集文件的数据（而不是在将程序集加载到CLR中）来获得IL代码，微软也发布了Common Compiler Infrastructure: Metadata和CCI: Code and AST两个和.NET基础结构有关的开源项目。而近在“博客园”中，也有Anders Liu大牛写过一个CliPeViewer，从程序集的物理结构中读取其元数据，再进一步便可获取到IL代码了。

虽然已经有了多次请求，但是包同学还是没有公布他使用UltraEdit32获取汇编代码的做法。窃以为，是因为“这个真无法实现”的原因吧。

至于包同学的另一个看法是，我使用IL Assembler（他应该是指IL Disassembler）查看汇编代码所犯的错误同样是混淆了IL和汇编两种截然不同的东西。那些都是我在程序运行之后，使用WinDbg观察汇编的结果，也就是说，是JIT将IL进行再次编译（第一次是指高级语言编译器生成IL）的结果。由于JIT每次进行处理的最小单元是“方法”，因此如果一个.NET方法还没有执行过，则是无法获取它的汇编代码的。我在《使用WinDbg获得托管方法的汇编代码》一文中清楚地演示了目标方法在Before JIT和After JIT两个不同情况下，由WinDbg观察到的结果。

由于IL还是过于高级，因此很多真真切切的东西并无法看到，因此我也不得不用汇编从根本上证实了泛型不会降低性能——严格来说，由于IL在不同平台上生成的汇编不同，我其实也只是证实了在x86平台上的这个结论。请您回想一下，您看过的.NET书籍中有多少是使用IL来说明问题的呢？为了心中踏实，我刚才又去翻了翻《Essential .NET》、《CLR via C#》这《Customizing the .NET Common Language Runtime》这几本“偏底层”的书，证实了这一观点。其实理由很简单，一是大师能够用朴实的语言，或更易理解的高级代码把问题明明白白彻彻底底地讲清楚，二便是因为IL可以说明的东西实在有限。例如，泛型在运行期间是否生成了新类型？CLR对待引用类型和值类型的泛型时是否一样？

在包同学之前的文章中，横道天笑也回复了类似的看法：

……我觉得IL的作用就仅此而已，对于其他，甚至是虚方法调用等等从IL上都看不出来什么。因为你真的不知道callvir指令内部到底干了啥，更别说性能了，因为IL之后还有个JIT，JIT之后才得到的是我们传统上的汇编，汇编语言与机器指令是一一对应的，所以从汇编语言上才能发现一切的一切，比如多态靠的是对象地址加偏移，比如我的那篇汇编讨论性能的文章。

这篇文章的目的是“讲道理”，在接下来了两篇文章中，我还会通过示例，也就是“摆事实”来解释为什么说“CLR内部有太多太多IL看不到的东西，包括平时您必须了解的那些”，以及“IL可以看到的东西，基本上都可以使用C#等高级语言来发现”。

最后，为了避免给大家带来误导，我还是希望多补充几句。我的这几篇文章似乎是在“呼吁”大家不要学习IL，其实不然。我是希望在澄清事实的的基础上，探究出一些更有实践价值结论。例如学习IL和汇编有什么好处，什么是对IL和汇编的滥用，以及究竟该如何可以更快速方便地解决某些问题等等——例如我使用汇编来说明泛型的性能问题就是一种滥用，最好的方法应该是“编写试验代码”。

因此，本系列文章的最后一篇想讨论的话题便是“什么时候应该学IL，该怎么学IL”。在这里，我也请大家留下您的观点，真理便是在各种观点中总结出来的，不是吗？　

 

看了大家的评论，我觉得可能还需要把汇编和机器码的关系进行一些补充。

  1. 有朋友提出，汇编不是和机器码一一对应的，因为还有宏汇编，高级汇编等等。其实高级汇编其实已经是一种“语言”了，它最终还是被转换成机器码执行。我说的汇编是指汇编“指令”，由机器码简单一一替换成助记符给人看。
  2. 还有某位朋友指出的一点，如果JIT生成的是汇编，那么肯定无法给机器直接执行。文章里可能没有说清楚，我的意思是，JIT生成机器码，而汇编是机器码进行简单替换后，方便给人看的结果。阅读汇编代码，就完全了解了CPU是如何一步一步进行执行任务的，没有丝毫偏差。这也是我认为观察汇编就是阅读机器码的原因。

相关文章