LLVM 之 初探

一、编译器概述

编译器就是说将高级语言 翻译 为低级语言的程序。

编译器工作流程图.png

二、LLVM概述

  LLVM构架编译器 的框架,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)、 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工作流程图.png

  ClangLLVM项目中的一个子项目。它是基于LLVM结构的轻量级编译器,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。

三、编译流程
3.1 通过终端命令可以打印源码的编译阶段

clang -ccc-print-phases main.m
0: input, "main.m", objective-c  
1: preprocessor, {0}, objective-c-cpp-output
2: compiler, {1}, ir
3: backend, {2}, assembler
4: assembler, {3}, object
5: linker, {4}, image
6: bind-arch, "x86_64", {5}, image

0:输入文件:找到源文件
1:预处理阶段:这个过程处理包含宏的替换,头文件的导入。
2: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: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。
4:生成目标文件。
5:链接:链接需要的动态库和静态库,生成可执行文件。
6:通过不同的架构,生成对应的可执行文件。

3.2 预处理阶段

clang -E main.m >> main2.m
main.m.png
main2.m.png

  此时 main2.m 里面是被展开了的代码,了解到哪些是 预处理指令。发现 #import 实质是展开 ,拿到头文件。

3.3 编译阶段

  • 词法分析
clang -fmodules -fsyntax-only -Xclang -dump-tokens main.m
annot_module_include '#import 
#define C 30
int main(int argc, char * argv[]) {
    @autoreleasepool {
        int a = 10;
        int b = 20;
       '        Loc=
int 'int'    [StartOfLine]  Loc=
identifier 'main'    [LeadingSpace] Loc=
l_paren '('     Loc=
int 'int'       Loc=
identifier 'argc'    [LeadingSpace] Loc=
comma ','       Loc=
char 'char'  [LeadingSpace] Loc=
star '*'     [LeadingSpace] Loc=
identifier 'argv'    [LeadingSpace] Loc=
l_square '['        Loc=
r_square ']'        Loc=
r_paren ')'     Loc=
l_brace '{'  [LeadingSpace] Loc=
at '@'   [StartOfLine] [LeadingSpace]   Loc=
identifier 'autoreleasepool'        Loc=
l_brace '{'  [LeadingSpace] Loc=
int 'int'    [StartOfLine] [LeadingSpace]   Loc=
identifier 'a'   [LeadingSpace] Loc=
equal '='    [LeadingSpace] Loc=
numeric_constant '10'    [LeadingSpace] Loc=
semi ';'        Loc=
int 'int'    [StartOfLine] [LeadingSpace]   Loc=
identifier 'b'   [LeadingSpace] Loc=
equal '='    [LeadingSpace] Loc=
numeric_constant '20'    [LeadingSpace] Loc=
semi ';'        Loc=
identifier 'printf'  [StartOfLine] [LeadingSpace]   Loc=
l_paren '('     Loc=
string_literal '"%d"'       Loc=
comma ','       Loc=
identifier 'a'      Loc=
plus '+'     [LeadingSpace] Loc=
identifier 'b'   [LeadingSpace] Loc=
plus '+'     [LeadingSpace] Loc=
numeric_constant '30'    [LeadingSpace] Loc=>
r_paren ')'     Loc=
semi ';'        Loc=
r_brace '}'  [StartOfLine] [LeadingSpace]   Loc=
return 'return'  [StartOfLine] [LeadingSpace]   Loc=
numeric_constant '0'     [LeadingSpace] Loc=
semi ';'        Loc=
r_brace '}'  [StartOfLine]  Loc=
eof ''      Loc=

  这里是把代码切成一个个 Token,比如大小括号、等于号、字符串等。

  • 语法分析
clang -fmodules -fsyntax-only -Xclang -ast-dump main.m
语法分析.png

  这里主要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 程序语句表达式 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。

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/iPhoneSimulator13.2.sdk -fmodules -fsyntax-only -Xclang -ast-dump main.m

注意点:

CallExpr 0x7fc77f865cf0  'int'`

CallExpr代表调用一个函数,int表示调用函数后,返回一个整型。

DeclStmt 0x7fc77e86c0a8 
|   |   | `-VarDecl 0x7fc77e86c028  col:13 used a 'int' cinit
|   |   |   `-IntegerLiteral 0x7fc77e86c088  'int' 10

这段代表的是一个参数,表示有一个参数a为10.

  看到这你应该会比较疑惑,为什么拆了又组呢?

  其实这里的 ,拆的的是 语法要求,比如int代表的是一个 整型 ,但是如果你给写成it,就不能将其当成一个整型,它会告诉你这是一个 字符 ,不能将其当成一个 关键词

  • 生成中间代码IR(intermediate representation)
clang -S -fobjc-arc -emit-llvm main.m

会生成一个.ll的文本文件
main.m源码

#import 
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;
}

main.ll内容

main.ll.png

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
clang -Os -S -fobjc-arc -emit-llvm main.m -o main.ll
main.ll优化.png

  这个是优化后的mian.ll内容,现在看起来就比较舒服了吧,不过这个时候你会想怎么没调用test方法了呢?那是因为LLVM优化后认为没必要再调用函数 test,不然又得扩子令,直接改成执行结果 6(1+2+3) 效果一样。是不是很神奇呢~~


补充点:
  Pass(属于后端)是LLVM优化工作中的一个节点。LLVM优化你的代码时是由一个个 Pass 构成的,有些 Pass 是去运算之后减去冗余代码,有些 Pass 是跳转之后减去冗余代码,每一个节点做一些事情,加起来构成一个完整的优化。

那么问题来了,写 Pass我们能干嘛呢?

  比如我们A函数调用B函数调用C函数(A--->B--->C),优化过程能直接把 B干掉(A--->C)。

那么我们能否写个D函数,插入在A、B之间呢?使逻辑变复杂呢?

答案是:Pass 可以的,目的是为了混淆。是为了防止黑客在一步步跟进你的核心代码时,混淆视听,让跟进变难,成功率变得越来越低,保护你的核心代码。当然 Pass 的作用不止这些,有兴趣的可以去网上进一步了解。


  • bitCode
      Xcode 7以后苹果开启bitcode做进一步的优化。生成.bc的中间代码。
clang -emit-llvm -c main.ll -o main.bc

优化的

clang -Os -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

生成的汇编代码也可优化

clang -Os -S -fobjc-arc main.m -o main.s
  • 生成目标文件(汇编器)
clang -fmodules -c main.s -o main.o

通过 nm 命令,查看下main.o中的符号

xcrun nm -nm main.o
                 (undefined) external _printf
0000000000000000 (__TEXT,__text) external _test
000000000000000a (__TEXT,__text) external _main

_printf 是一个 undefined external
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)
    连接器把编译产生的.o文件和(.dylb .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

xcrun nm -nm main.o
                 (undefined) external _printf
0000000000000000 (__TEXT,__text) external _test
000000000000000a (__TEXT,__text) external _main
chenhuijindeAir:LLVMproject chenhuijin$ clang main.o -o main
chenhuijindeAir:LLVMproject chenhuijin$ 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
0000000100000f6d (__TEXT,__text) external _test
0000000100000f77 (__TEXT,__text) external _main
0000000100002008 (__DATA,__data) non-external __dyld_private

初探到此就先告一段段落,有兴趣的可以好好玩下。

你可能感兴趣的:(LLVM 之 初探)