一:编译器
计算机是不能理解高级语言的,更不能直接执行高级语言,它只能直接理解机器语言,所以使用任何高级语言编写的程序若想被计算机运行,都必须将其转换成计算机语言,也就是机器码,而这种转换都是需要编译器来完成的,但是转换的方式有两种:解释
和编译
。因此高级语言也分为编译型语言和解释型语言。
什么是编译器?
简单讲,编译器就是将“一种语言(通常为高级语言)”翻译为”另一种语言(通常为低级语言的程序。一个现代编译器的主要工作流程:源代码 (source code) → 预处理器 (preprocessor) → 编译器 (compiler) → 目标代码(object code) → 链接器(Linker) → 可执行程序(executables)。
编译型语言
编译型语言需要转换成二进制指令
,也就是我们常说的可执行文件。这种编程语言称为编译型语言
,使用的转换工具称为编译器
,比如C
语言、C++
、OC
等。
整个过程如下图:
下面我们使用一段示例代码来看下
终端执行以下命令,创建.c
文件
vi testDemo.c
.c
文件代码如下
#include <stdio.h>
int main(int a,char *argv[]){
printf("我来了\n");
return 0;
}
编辑完成后,按ESC
,输入:x
进行保存。
执行如下命令,生成a.out
可执行文件
clang testDemo.c
使用如下命令可以查看a.out
file a.out
终端输出
a.out: Mach-O 64-bit executable arm64
:可执行文件
执行如下命令后输出我来了
./a.out
编译型语言是先编译,再执行
解释型语言
解释型语言可以一边执行一边转换,不会生成可执行文件再去执行,这种编程语言称为解释型语言
,使用的转换工具称为解释器
,比如 Python
、JavaScript
、PHP
等。
下面我们使用一段示例代码来看下
终端依次执行以下命令,创建testPython.py
文件
mkdir Python
cd Python/
vi testPython.py
testPython.py
代码如下
print("我来了\n")
执行
python testPython.py
python
是Python
的解释器
解释型语言,它是边解释边执行,不可脱离解释器环境运行
二:LLVM
LLVM简介
LLVM
是构架编译器(compiler
)的框架系统,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-time
)、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
计划启动于2000
年,最初由美国UIUC
大学的 ChrisLattner
博士主持开展。2006
年ChrisLattner
加盟AppleInc
并致力于LLVM
在Apple
开发体系中的应用。 Apple
也是LLVM
计划的主要资助者。目前LLVM
已经被苹果IOS
开发工具、Xilinx Vivado
、Facebook
、Google
等各大公司采用。
传统编辑器设计
传统流程如下:
编译器前端(Frontend)
编译器前端的任务是解析源代码
。它会进行:词法分析
,语法分析
,语义分析
,检查源代码是否存在错误,然后构建抽象语法树
(Abstract Syntax Tree, AST),LLVM
的前端还会生成中间代码
(intermediate representation,IR),这是LLVM
独有的。
优化器(Optimizer)
优化器负责进行各种优化,改善代码的运行时间,例如消除冗余计算等。
后端(Backend)/代码生成器(CodeGenerator)
将代码映射到目标指令集,生成机器语言,并且进行机器相关的代码优化。
iOS的编译器架构
ObjectiveC/C/C++
使用的编译器前端是Clang
,Swift
是Swift
,后端都是LLVM
。
LLVM的设计
其他的编译器如GCC
是非常成功的一款编译器,苹果早期使用的编译器也是GCC
,但由于它是作为整体应用程序设计的,因此它的用途受到了很大的限制。
LLVM
设计的最重要方面是,使用通用的代码表示形式(IR)
,它是用来在编译器中表示代码
的形式。所以LLVM
可以为任何编程语言独立编写前端,并且可以为任意硬件架构独立
编写后端。
Clang
平时我们接触最多的就是我们的Clang
,前面也有过通过clang
,将代码转化为C++
文件的操作。
Clang
是LLVM
项目中的一个子项目。它是基于LLVM
架构的轻量级编译器
,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,它属于整个LLVM
架构中的,编译器前端。对于开发者来说,研究Clang
可以给我们带来很多好处。
三:编译流程
创建工程
打印源码的编译阶段
clang -ccc-print-phases
共七个阶段
-
0:
输入文件
:找到源文件。 -
1:
预处理阶段
:这个过程处理包括宏的替换,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
(可以理解为一个节点)去优化,每个Pass
做一些事情,最终生成汇编代码
。 -
4:汇编代码
生成目标文件
。 -
5:
链接
:链接需要的动态库和静态库,生成相应的image(镜像)
可执行文件。 -
6:根据不同的系统架构,生成对应的可执行文件。
预处理阶段
终端执行clang -E main.m
,可以看到头文件导入和宏的替换,终端打印很多东西,我们使用clang -E main.m >> main1.m
来看看。
我们发现在预处理
阶段,#define
定义的宏已经被替换成30
,而使用typedef
定义的别名却没有被替换,因此两者存在一定的差异。出于安全方面的考虑,我们可以使用#define
。
使用define
和typedef
的区别:
-
define
:宏定义,在预处理阶段会被替换:- 可用来做代码混淆,将
App
中核心代码,用系统相似的名称进行取别名,然后在预处理阶段就被替换,以此达到代码混淆的目的。
- 可用来做代码混淆,将
-
typedef
:对数据类型取别名,在预处理阶段不会被替换掉。
比如实际工程中的方法名称叫test
,此时可以如下定义,在预处理阶段就被替换成mixupMethod
#define test mixupMethod
编译阶段
编译阶段可划分为三个部分:
- 词法分析;
- 语法分析;
- 生成
IR
中间代码。
词法分析
预处理
完成后就会进行词法分析
,这里会把代码切成一个个Token
,比如大小括号,等于号还有字符串等。
clang -fmodules-fsyntax-only -Xclang -dump-tokens main.m
annot_module_include '#import <stdio.h>
#define P 30
typedef int Int_type;
int main(int argc, const char * a' Loc=<main.m:8:1>
typedef 'typedef' [StartOfLine] Loc=<main.m:10:1>
int 'int' [LeadingSpace] Loc=<main.m:10:9>
identifier 'Int_type' [LeadingSpace] Loc=<main.m:10:13>
semi ';' Loc=<main.m:10:21>
int 'int' [StartOfLine] Loc=<main.m:12:1>
identifier 'main' [LeadingSpace] Loc=<main.m:12:5>
l_paren '(' Loc=<main.m:12:9>
int 'int' Loc=<main.m:12:10>
identifier 'argc' [LeadingSpace] Loc=<main.m:12:14>
comma ',' Loc=<main.m:12:18>
const 'const' [LeadingSpace] Loc=<main.m:12:20>
char 'char' [LeadingSpace] Loc=<main.m:12:26>
star '*' [LeadingSpace] Loc=<main.m:12:31>
identifier 'argv' [LeadingSpace] Loc=<main.m:12:33>
l_square '[' Loc=<main.m:12:37>
r_square ']' Loc=<main.m:12:38>
r_paren ')' Loc=<main.m:12:39>
l_brace '{' [LeadingSpace] Loc=<main.m:12:41>
at '@' [StartOfLine] [LeadingSpace] Loc=<main.m:13:5>
identifier 'autoreleasepool' Loc=<main.m:13:6>
l_brace '{' [LeadingSpace] Loc=<main.m:13:22>
identifier 'Int_type' [StartOfLine] [LeadingSpace] Loc=<main.m:14:9>
identifier 'a' [LeadingSpace] Loc=<main.m:14:18>
equal '=' [LeadingSpace] Loc=<main.m:14:20>
numeric_constant '10' [LeadingSpace] Loc=<main.m:14:22>
semi ';' Loc=<main.m:14:24>
identifier 'Int_type' [StartOfLine] [LeadingSpace] Loc=<main.m:15:9>
identifier 'b' [LeadingSpace] Loc=<main.m:15:18>
equal '=' [LeadingSpace] Loc=<main.m:15:20>
numeric_constant '20' [LeadingSpace] Loc=<main.m:15:22>
...... 🌹 省略
可以看到每一行的代码都分开了
语法分析
词法分析完成之后就是语法分析
,它的任务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
(AbstractSyntaxTree,AST)。语法分析
其目的就是对源程序进行分析判断,在结构上是否正确。
clang -fmodules -fsyntax-only -Xclang -ast-dump main.m
FunctionDecl
:函数ParmVarDecl
:参数CallExpr
:函数调用BinaryOperator
:运算符
生成IR代码
完成以上步骤后,就会开始生成IR中间代码,代码生成器(Code Generator
)会将语法树自顶向下遍历,逐步翻译成LLVM IR
,这是属于后端的工作。
为了直观的看到IR代码,我们使用下面示例代码
#import <stdio.h>
int test(int a, int b) {
return a + b + 10;
}
int main(int argc, const char * argv[]) {
int a = test(10,20);
printf("%d",a);
return 0;
}
clang -S -fobjc-arc -emit-llvm main.m
执行完成后main.m
所在文件下会生成main.ll
的文件
IR
基本语法介绍:
@
:全局标示%
:局部标示alloca
:开辟空间align
:内存对齐i32
:32
个bit
,4字节
store
:写入内存load
:读取数据call
:调用函数ret
:返回
IR优化
在LLVM
中,优化级别分别是-O0
、-O1
、-O2
、-O3
、-Os
(第一个是大写英文字母O
)。
在Xcode
中,找到Target
→Build Setting
→Optimization Level
,可以对当前项目设置优化等级。
也可以通过以下命令,设置优化等级,并生成IR
代码:
clang -Os -S -fobjc-arc -emit-llvm main.m -o main.ll
优化前和优化后对比一下:
Bitcode
Xcode7
以后,开启Bitcode
设置,苹果会做进一步的优化,生成.bc
中间代码。我们通过优化后的IR
代码生成bc
代码,这也是一个中间代码,目的是会根据 CPU
的不同架构生成不同大小的包(App Store 商店下载)。
clang -emit-llvm -c main.ll -o main.bc
执行完成会生成.bc
为后缀的文件。
什么是Bitcode
?
Bitcode
是被编译程序的一种中间形式的代码。包含Bitcode
并上传到App Store Connect
的App
,会在App Store
上编译和链接。包含Bitcode
可以在不提交新版本App
的情况下,允许Apple
在将来的时候再次优化你的App
二进制文件。
在Xcode
中,默认开启Bitcode
设置。如果你的App
支持Bitcode
,App
使用到的其他二进制形式也要支持Bitcode
,否则就会报错。
解决Bitcode
报错只有两种方案:
- 【方案一】将不支持
Bitcode
的SDK
移除掉,或等待第三方更新。 - 【方案二】:将使用
Bitcode
的选项设置为NO
。
生成汇编代码
使用命令分别将.ll
,.bc
,.m
的代码,生成汇编代码。
clang -S -fobjc-arc main.ll -o main.s
clang -S -fobjc-arc main.bc -o main1.
clang -S -fobjc-arc main.m -o main2.s
汇编代码一致,都是64
行,如下图:
汇编代码也可以设置OPT
的优化等级进行优化。
clang -Os -S -fobjc-arc main.ll -o main.s
优化后只有58
行,如下图:
生成目标文件(汇编器)
目标文件的生成,是汇编器
以汇编代码作为输入
,将汇编代码转换为机器代码
,最后输出目标文件
(object-file)。
命令:
clang -fmodules -c main.s -o main.o
通过nm
命令,查看main.o
中的符号:
xcrun nm -nm main.o
(undefined) external _printf
0000000000000000 (__TEXT,__text) external _main
_printf
是一个是undefined external
的。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(dylib .a)文件,生成一个mach-o
文件(可执行文件)。
这个过程还会链接需要的动态库和静态库
- 静态库,和可执行文件合并。
- 动态库,独立存在,运行时,由
dyld
动态加载。
使用以下命令,生成可执行文件:
clang main.o -o main
查看链接后可执行文件的符号:
xcrun nm -nm main.o
(undefined) external _printf (from libSystem)
(undefined) external dyld_stub_binder (from libSystem)
0000000100000000 (__TEXT,__text) [referenced dynamically] external __mh_execute_header
0000000100003f77 (__TEXT,__text) external _main
0000000100008008 (__DATA,__data) non-external __dyld_private
-
链接后,
_printf
符号可以找到所属的动态库,但依然被标记为undefined
。因为libSystem
属于系统动态库,在运行时进行动态绑定。 -
链接后,还多了
dyld_stub_binder
符号,它在运行时用于符号的重绑定:- 以
printf
函数为例,printf
函数存在于libSystem
系统库中,它存在于懒加载符号表中。它的函数地址在运行时,首次对printf
函数进行调用,才会通过dyld_stub_binder
进行重绑定。 - 而
dyld_stub_binder
函数地址的绑定时机:当dyld
加载主程序时,符号被dyld
直接绑定。
- 以