认识 LLVM

简介

LLVM是一套提供编译器基础设施的开源项目，是用 C++ 编写，包含一系列模块化的编译器组件和工具链，用来开发编译器前端和后端。它是为了任意一种编程语言而写成的程序，利用虚拟技术创造出编译时期、链接时期、执行时期以及“闲置时期”的优化。

LLVM的命名源自于底层虚拟机（Low Level Virtual Machine）的首字母缩写，导致不了解它的人以为它是类似于 JVM（Java Virtual Machine） 的虚拟机，实际上这个项目的范围并不局限于创建一个虚拟机，而是包括 LLVM 中介码（LLVM IR）、LLVM调试工具、LLVM C++ 标准库等一系列编译工具及低端工具技术的集合。

传统的静态编译器设计是三阶段设计，其主要组件是前端、优化器和后端。

前端负责词法分析、语法分析、语义分析、生成中间代码等功能。

优化器负责进行各种转换以尝试提高代码的运行时间，例如消除冗余计算，并且通常或多或少独立于语言和目标。

后端（也称为代码生成器）负责将代码映射到目标指令集。除了编写正确的代码外，它还负责生成利用所支持架构的不寻常特性的良好代码。编译器后端的常见部分包括指令选择、寄存器分配和指令调度。

该模型同样适用于解释器和 JIT 编译器。JVM 也是该模型的一个实现，它使用 Java 字节码作为前端和优化器之间的接口。

而 LLVM 被设计为支持多种源语言或目标架构，它提供了一套适合编译器系统的中间语言，如果编译器在其优化器中使用这个中间语言表示，则可以为任何可以编译到它的语言编写前端，并且可以为任何可以从它编译的目标编写后端。

使用这种设计，移植编译器以支持新的源语言只需要实现新的前端，即可以重用现有的优化器和后端；同样想增加支持新的目标架构也只需要实现新的后端。而如果按传统设计，前端和后端实际是耦合在一起，实现新的源语言或支持新的目标架构将需要从头开始，要支持 N 目标和 M 源语言将需要 N*M 个编译器。

LLVM IR

LLVM提供了一套适合编译器系统的中间语言（Intermediate Representation，IR），有大量变换和优化都围绕其实现，经过变换和优化后的中间语言，可以转换为目标平台相关的汇编语言代码。

该中间语言与具体的语言、指令集、类型系统无关，其中每条指令都是静态单赋值形式（SSA）， 即每个变量只能被赋值一次。这有助于简化变量之间的依赖分析。

以下是简单的 LLVM IR 代码：

define i32 @add1(i32 %a, i32 %b) {
entry:
  %tmp1 = add i32 %a, %b
  ret i32 %tmp1
}

define i32 @add2(i32 %a, i32 %b) {
entry:
  %tmp1 = icmp eq i32 %a, 0
  br i1 %tmp1, label %done, label %recurse

recurse:
  %tmp2 = sub i32 %a, 1
  %tmp3 = add i32 %b, 1
  %tmp4 = call i32 @add2(i32 %tmp2, i32 %tmp3)
  ret i32 %tmp4

done:
  ret i32 %b
}

上述代码对应的 C 语言代码为：

unsigned add1(unsigned a, unsigned b) {
  return a+b;
}

unsigned add2(unsigned a, unsigned b) {
  if (a == 0) return b;
  return add2(a-1, b+1);
}

从这个例子可以看出，LLVM IR 是一种强类型的精简指令集（ RISC ）。像真正的 RISC 指令集一样，它支持简单指令的线性序列，如加法、减法、比较和分支。这些指令采用三地址形式，这意味着它们接受一定数量的输入并在不同的寄存器中产生结果。LLVM IR 支持标签，通常看起来像一种奇怪的汇编语言形式。

与大多数 RISC 指令集不同，LLVM 使用简单的类型系统进行强类型化（例如，i32 是一个 32 位整数，i32** 是一个指向 32 位整数的指针），并且机器的一些细节被抽象掉了。例如，调用约定是通过指令和显式参数 call 抽象出来的。ret 与机器代码的另一个显着区别是 LLVM IR 不使用一组固定的命名寄存器，它使用一组无限的以 % 字符命名的临时寄存器。

LLVM IR 支持三种表达形式：人类可读的汇编、在C++中对象形式、序列化后的 bitcode 形式。

编译

LLVM允许代码被静态的编译，包含在传统的GCC系统底下，者通过实时编译（JIT）机制将中间表示转换为机器码（类似 Java）。

LLVM 类型系统包含基本类型（整数或是浮点数）及五个复合类型（指针、数组、向量、结构及函数），在LLVM具体语言的类型建制可以以结合基本类型来表示，举例来说，C++所使用的class可以被表示为结构、函数及函数指针的数组所组成。

LLVM 提供了 Clang 作为官方的编译器前端，同时支持 C、C++、Objective-C 和 Objective-C++ 语言。主要来自 Apple 公司的赞助支持，Clang 的目的用以取代 GCC 系统底下的 C / Objective-C 编译器，在当代的系统，它较为容易与集成开发环境（IDE）集成，而且对于线程有更好的支持。许多 GCC 的前端也已经可以与其运行，LLVM目前支持 Ada、C语言、C++、D语言、Fortran、Haskell、Julia、Objective-C、Rust 及 Swift 等语言的编译。