编译流程

编译是指将某一种语言（源语言）写的程序（源程序）翻译成一个等价的、用另一种语言（目标语言）写的程序（目标程序）的过程。通常，目标程序是一个可执行的机器语言程序，在编译后可以被用户调用、处理输入并产生输出。常见编译器的流程（目标语言为机器语言）如下图所示：

暂时无法在飞书文档外展示此内容

词法分析负责解析关键字、常量等，将源代码程序中的最基本元素提取出来，如int a = 1可以提取出来int, a, =, 1，并记录成一个词表。
语法分析负责基于源语言的语法，将词表进一步翻译成抽象语法树（见第三章）。语法错误也是在这一过程中被编译器提示出来的。

常见C语言编译工具链

Clang/LLVM

LLVM是一个通用的编译优化框架，提供了一个现代化、精心设计的语言无关的中间语言（LLVM IR）。LLVM可以为任意编程语言设计编写前端、为任意机器指令集架构编写后端（x86/64，Arm，Power PC

，MIPS，RISC-V等），且由于其优秀的软件工程流程、严格的代码审查和活跃的社区，大量的编程语言基于LLVM实现了自己的编译器，如Rust、Swift等。

Clang（[k-laeng], [k-lang]）是基于LLVM的C/C++编译器，目前被用作macOS的自带C/C++编译器。

GCC

GCC是GNU Compiler Collection的缩写，是历史最悠久、开发最活跃的C/C++编译器之一。由于出色的优化和长时间的维护，拥有卓越的性能，并支持绝大多数指令平台。然而，尽管GCC是开源的，但文档很难阅读，源代码也很难使用。因此，GCC开发仅限于一小群精英GCC开发人员，他们高度关注特定领域的知识。GCC目前是大部分Linux和Unix发行版的默认C/C++编译器。

ICC/ICX

Intel提供的商用付费C/C++编译器。其实现和IR是完全闭源的，但是IR部分正在逐步过渡到LLVM IR上。现代化的ICC现在被称为ICX。ICC仅支持Intel架构（x86、x64、安腾），可在Linux、Windows和MacOS平台下使用。

MSVC

微软为Windows平台（x86 /arm-Intel/MIPS/ALPHA/PowerPC）开发的闭源C/C++编译器，由于年代久远，MSVC的代码库陈旧且难以维护。曾经有人试图将MSVC迁移到使用LLVM IR，但该尝试主要由于无法控制的复杂性而失败。MVSC仍然是Windows平台上的主要工具链。

其它

其它优秀的C语言编译器包括IBM XLC、Cray、SunCC、Open64、Watcom C/C++、Borland/turbo等。部分已经停止维护。

抽象语法树 Abstract Syntax Tree

抽象语法树是使用树的形式对源代码语法结构的一种抽象表示，树上的每一个节点都表示源代码中的一种结构。

以下面这个简单的程序为例，

其AST为：

在Clang中，该AST的数据结构被表示为：

从图中可以看出来，Clang抽象的AST的节点包括节点类型（如类型声明、函数声明、语句、表达式等）、唯一标识符、对应源代码位置、数据类型、备注信息、源代码中的字符串等。

LLVM IR

LLVM IR是一种基于SSA（Static Single Assignment）的中间代码表示。其整体的文档参见：llvm.org/docs/Passes...

SSA（静态单赋值）

在基于SSA的IR中，每个变量仅被赋值一次，相较于原始的IR或源代码程序，原来的变量会被分割成不同的版本。例如：

ini 复制代码

y = 1;
y = 2;
...
x = y;

在SSA表示中，会被翻译成：

ini 复制代码

y_1 = 1;
y_2 = 2;
...
x_1 = y_2;

从这个例子中我们可以看出，使用SSA的优点包括：

y_1没有被引用，可以直接删除。当y_1包含比较复杂、耗时的计算任务时，消除y_1相关的运算可以提升产物的运算速度。
x_1只被y_2影响，当y_2已知时，针对x_1的计算可以被优化（见下面的constant folding和constant propagation）。

LLVM IR Example

在上面的例子中，我们可以使用LLVM提供的工具链获得其LLVM IR。

r 复制代码

clang -S -emit-llvm branch.cpp -c

基于LLVM工具链提供的命令行程序或API，我们可以将源程序转换为LLVM IR，分析/操作IR，并将IR编译为机器语言（可执行程序）。参见：llvm.org/docs/Gettin...

编译优化基本概念与LLVM的优化pass

LLVM的优化主要是源语言无关的LLVM IR层面的优化，此时，源语言程序已经被对应的前端翻译成LLVM IR，优化的流程如下图：

暂时无法在飞书文档外展示此内容

如图所示，LLVM的优化指令按照功能和目的，被分为了一个个相互独立的优化pass，IR在经过若干轮pass的优化后，最终可以由后端输出为目标程序。

根据pass的特点，pass可以被分为：

分析 - Analysis pass：并不对IR进行变动性的操作，通常用于过一遍IR来收集debug、优化、可视化信息。
变换 - Transformation pass：对IR进行修改，以达到优化、插桩或其他目的。
工具 - Utility pass：其他类型的pass，包括从模块中提取所有basic block的信息、查看函数的控制流图等。

在这里我们介绍一些常用的pass，并通过部分pass介绍其他一些编译优化、静态分析常用的基本概念。为了方便表达，我们使用C源代码作为例子，而非LLVM IR。

分析类

调用图（Call Graph）与dot-callgraph pass

Call graph即函数调用关系图，如Code Graph产品。一个例子为：

LLVM中提供了不同的生成call graph的analysis pass，dot-callgraph，可将文件的call grpah生成到dot文件中，并进一步可视化。

Call graph生成的原理也较为简单，只需要遍历声明函数和调用函数的IR。将所有声明的函数作为全集，在遍历调用函数的IR时，函数caller为IR所属的函数、callee为被调用的函数，在全集中为他们之间建立连线即可。

控制流图（CFG）与dot-cfg pass

控制流图研究函数内各个basic block（即不包含控制流的最基本的代码块）之间的控制关系。例子（搬运自：www.geeksforgeeks.org/software-en...

如果对计算并生成CFG感兴趣，可以参考我之前为区块链Solidity语言编写的CFG生成程序：github.com/chao-peng/S...

变换类

Dead Code与dce（Dead Code Elimination）pass

Dead code即确定代码执行过程中不会被覆盖的代码，一个极端的例子为：

arduino 复制代码

#def X 10
if (X != 10) {
    // dead code here
}

通过数据流和控制流分析，我们知道X永远不会不等于10，因此这一块代码可以被直接优化掉。

类似的还有dead global elimination（优化掉没有被引用的全局变量）。

函数内联 inlining

Inlining / inline expansion即将函数体直接展开到调用处。可以消除调用函数的开销（压栈、保护/恢复现场），但可能造成产物体积膨胀，影响指令缓存的命中率。有研究表明函数内联展开在缓存小的时候能提升性能，缓存较大的时候性能有可能下降。

举个例子：

scss 复制代码

int pred(int x) {
    if (x == 0)        
        return 0;
    else        
        return x - 1;
}

int func(int y) {
    return pred(y) + pred(0) + pred(y+1);
}

在inlining后：

ini 复制代码

int func(int y) {
    int tmp;
    if (y == 0) tmp  = 0; else tmp  = y - 1;
    if (0 == 0) tmp += 0; else tmp += 0 - 1;
    if (y + 1 == 0) tmp += 0; else tmp += (y + 1) - 1; 
    return tmp;
}

合并冗余指令、constant folding（常量折叠）、constant propagation（常量传播）

这一类优化指令基于简单的算术运算，对编译时已知的数值进行相应的优化。

Constant folding指的是当算数运算为已知数（常数）时，可以在编译时直接计算，并将结果直接赋值到变量中。constant propagation指的是通过数据流分析，确定前面已知的常量可以传播到后面的表达式中，并进行进一步的常量折叠。

一些例子：

ini 复制代码

// 例子1：常量传播 + 折叠 + 逻辑运算优化
bool a = TRUE; // 或 bool a = FALSE;
bool x = a && b;
// 若a为已知值，b取决于输入，当a为TRUE时优化为：
bool x = b;
// 若a为已知False
bool x = FALSE;

// 例子2：使用左移右移优化乘除法
int a = b + b;
// 首先，a = b + b 等价于 a = b * 2，✖️2操作又可以被进一步优化为
int a = b << 2;

Loop unrolling（循环展开）

循环展开是一种展开循环体、减少循环次数的优化方法。这种方法牺牲了程序大小来提升执行速度。如：

css 复制代码

for (i = 1; i <= 60; i++) {
    a[i] = a[i] * b + c;
}

如果对本循环展开两次，会被优化为：

css 复制代码

for (i = 1; i <= 58; i+=3) {
    a[i] = a[i] * b + c;
    a[i+1] = a[i+1] * b + c;
    a[i+2] = a[i+2] * b + c;
}

优化后，程序的循环次数是原来的三分之一。

针对code idioms的特殊定制化优化

Code idioms是指在编程开发中经常出现的一些代码结构，针对这些代码结构，LLVM社区的开发者们提供了数以千计的定制化优化pass。一个简单的例子为高斯求和。当识别到如下的代码结构时：

ini 复制代码

int sum = N;
for (int i = a; i <= b; ++i) {
    sum += i;
}

这段代码会被优化为

css 复制代码

int sum = X + (a + b) * (b - a + 1) / 2;

编译过程与编译优化基础概念：以C语言为例

编译流程

常见C语言编译工具链

Clang/LLVM

GCC

ICC/ICX

MSVC

其它

抽象语法树 Abstract Syntax Tree

LLVM IR

SSA（静态单赋值）

LLVM IR Example

编译优化基本概念与LLVM的优化pass

分析类

调用图（Call Graph）与dot-callgraph pass

控制流图（CFG）与dot-cfg pass

变换类

Dead Code与dce（Dead Code Elimination）pass

函数内联 inlining

合并冗余指令、constant folding（常量折叠）、constant propagation（常量传播）

Loop unrolling（循环展开）

针对code idioms的特殊定制化优化