浅析代码编译过程

一、编译目标

　　目标：把源代码变成目标代码

1、如果源代码在操作系统上运行：目标代码就是“汇编代码”。再通过汇编和链接的过程形成可执行文件，然后通过加载器加载到操作系统执行。

2、如果源代码在虚拟机(解释器)上运行：目标代码就是“解释器可以理解的中间形式的代码”，比如字节码(中间代码)IR、AST语法树。

　　编译过程可以分为这几个阶段，每个阶段做了一定的任务，层级的让下一个阶段进行。

二、词法分析

　　编译器读入源代码，经过词法分析器识别出Token，把字符串转换成一个个Token。

　　Token的类型包括：关键字、标识符、字面量、操作符、界符等

　　比如下面的C语言代码源文件，经过词法分析器识别出的token有：int、foo、a、b、=、+、return、(){}等token

int foo(int a){
    int b = a + 3;
    return b;
}

　　为什么要这样做呢，把代码里的单词进行分类，编译器后面的阶段不就更好处理理解代码了嘛！

三、语法分析

　　每一个程序代码，实际上可以通过树这种结构表现出其语法规则。

　　语法分析阶段把Token串，转换成一个体现语法规则的、树状数据结构，即抽象语法树AST。AST树反映了程序的语法结构。

　　比如上面的一段C语言代码，对应的AST抽象语法树如下所示：

　　AST抽象语法树：AST树长成什么样，与语法的结构有关。

　　比如上面C语言代码中对函数的语法定义如下：语法分析器就按照语法定义进行解析，就是从上到下匹配的过程。也就是先匹配function的规则，匹配函数类型type、函数名name、函数参数parameters、函数体；当匹配函数参数时，就去匹配parameters的规则；当匹配函数体时，函数体由一个个语句组成，就去匹配各个语句stmt的规则。

function := type name parameters functionBody
parameters:= parameter*                          
functionBody:= stmt returnStatement

　　生成 AST 以后，程序的语法结构就很清晰了，但这棵树到底代表了什么意思，我们目前仍然不能完全确定，要在语义分析阶段确定。

　　为什么要把程序转换成AST这么一颗树，因为编译器不像人能直接理解语句的含义，AST树更有结构性，后续阶段可以针对这颗树做各种分析！

四、语义分析

　　语义分析阶段的任务：理解语义，语句要做什么。

　　比如+号要执行加法、=号要执行赋值、for结构要去实现循环、if结构实现判断。所以语义阶段要做的内容有：上下文分析（包括引用消解、类型分析与检查等）

　　引用消解：找到变量所在的作用域，一个变量作用范围属于全局还是局部。

　　类型识别：比如执行a+3，需要识别出变量a的类型，因为浮点数和整型执行不一样，要执行不同的运算方式。

　　类型检查：比如 int b = a + 3，是否可以进行定义赋值。等号右边的表达式必须返回一个整型的数据、或则能够自动转换成整型的数据，才能够对类型为整型的变量b进行复制。

　　比如之前的一段C语言代码，经过语义分析后获得的信息（引用消解信息、类型信息），可以在AST上进行标注，形成下面的“带有标注的语法树”，让编译器更好的理解程序的语义。

　　也会将这些上下文信息存入“符号表”结构中，便于各阶段查询上下文信息。

　　符号表是有层次的结构：我们只需要逐级向上查找就能找到变量、函数等的信息(作用域、类型等)

　　接下来就可以 解释执行：实现一门解释型的语言。

　　注意：编译型语言需要生成目标代码，而解释性语言只需要解释器去执行语义就可以了。

　　实现AST的解释器：在语法分析后有了程序的抽象语法树，在语义分析后有了“带有标注的AST”和符号表后，就可以深度优先遍历AST，并且一边遍历一边执行结点的语义规则。整个遍历的过程就是执行代码的过程。

　　举一个解释执行的例子，比如执行下面的语义：

• 遇到语法树中的add “+”节点：把两个子节点的值进行相加，作为“+”节点的值。

• 遇到语法树中的变量节点(右值)：就取出变量的值。

• 遇到字面量比如数字2：返回这个字面量代表的数值2。

五、中间代码生成

　　在编译前端完成后（编译器已经理解了词法和语义），编译器可以直接解释执行、或则直接生成目标代码。

　　对于不同架构的CPU，还需要生成不同的汇编代码，如果对每一种汇编代码做优化就很繁琐了。所以我们需要增加一个环节：生成中间代码IR，统一优化后中间代码，再去将中间代码生成目标代码。

　　中间代码IR的两个用途：解释执行 、代码优化。

　　解释执行：解释型语言，比如Python和Java，生成IR后就能直接执行了，也就是前面举出的例子。

　　优化代码：比如LLVM等工具；在生成代码后需要做大量的优化工作，而很多优化工作没必要使用汇编代码来做(因为不同CPU体系的汇编语言不同)，而可以基于IR用统一的算法来完成，降低编译器适配不同CPU的复杂性。

六、代码优化

　　一种方案：基于基本块作代码优化

　　分类：本地优化、全局优化、过程间优化

　　本地优化：可用表达式分析、活跃性分析

　　全局优化：基于控制流图CFG作优化。

　　控制流图CFG ：是一种有向图，它体现了基本块之前的指令流转关系，如果从BLOCK1的最后一条指令是跳转到 BLOCK2， 就连一条边，如果通过分析 CFG，发现某个变量在其他地方没有被使用，就可以把这个变量所在代码行删除。

　　过程间优化：跨越函数的优化，多个函数间作优化

1、优化案例：

　　代数优化：比如删除“x:=x+0 ”，乘法优化掉“x:=x乘以0” 可以简化成“x:=0”，乘法优化成移位运算：“x:=x*8”可以优化成“x:=x<<3”。

　　常数折叠：对常数的运算可以在编译时计算，比如 “x:= 20 乘以 3 ”可以优化成“x:=60”

　　删除公共子表达式：作“可用表达式分析”

x := a + b
y := a + b //优化成y := x

　　拷贝传播：作“可用表达式分析”

x := a + b
y := x
z := 2 * y //优化成z:= 2 * x

　　常数传播：

x := 20
y := 10
z := x + y//优化成z := 30

　　死代码删除：作变量的“活跃性分析”。活跃性分析（优化删除死代码，没用到的变量）

　　数据流分析：使用“半格理论”解决多路径的V值计算集合问题，不在代码下面集合的变量就是死代码。

七、目标代码生成

　　目标代码生成，也就是生成虚拟机执行的字节码，或者操作系统执行的汇编代码。

　　代码生成的过程，其实很简单，就是将中间代码IR逐个翻译成想要的汇编的代码

　　那么目标代码生成阶段的任务就有：

• 选择合适指令，生成性能最高的代码。

• 优化寄存器的分配，让频繁访问的变量，比如循环语句中的变量放到寄存器中，寄存器比内存快

• 在不改变运行结果下，对指令做重排序优化，从而充分运用CPU内部的多个功能部件的并行能力