用LLVM写一个芯片编译器（一）——一文读懂编译器基本概念

源码资源网 · 发表于 3 天前

用LLVM写一个芯片编译器（一）——一文读懂编译器基本概念
一绪论

芯片是一个硬件，接收的是二进制的指令，要想让自己的编程语言编程指令，就需要一个编译器。

这个部分的重要程度丝毫不亚于芯片本身。最近国内很多公司在做AI芯片，经常出现芯片很快就做出来了，但芯片受限于编译器无法发挥最大能效的窘境。总之，了解编译器还是很重要的。

这个系列讲讲如何用LLVM做一个最简单的编译器。万变不离其宗，其他复杂的编译器可以从这个例子上拓展。

本部分主要讲基础知识，不需要了解细节，但是对编译器整体如何工作的要有概念。

不专业做编译器，难免有错误，欢迎指出，另外，部分图来自网络。

二 LLVM是个什么东西

首先一个东西要搞明白，为什么要用LLVM？ LLVM的是什么？

LLVM提供了一个模块化的编译器框架，让程序员可以绕开繁琐的编译原理，快速实现一个可以运行的编译器。

常见的结构如下图。

用LLVM写一个芯片编译器（一）——一文读懂编译器基本概念

主要由三个部分组成。

前端：将高级语言例如C或者其他语言转换成LLVM定义的中间表达方式 LLVM IR。例如非常有名的clang, 就是一个转换C/C++的前端。

中端：中端主要是对LLVM IR本身进行一下优化，输入是LLVM, 输出还是LLVM，主要是消除无用代码等工作，一般来讲这个部分是不需要动的，可以不管他。

后端：后端输入是LLVM IR，输出是我们的机器码。我们通常说的编译器应该主要是指这个部分。大部分优化都从这个地方实现。

至此，LLVM架构的模块化应该说的比较清楚了。很大的一个特点是隔离了前后端。

如果你想支持一个新语言，就重新实现一个前端，例如华为“仓颉”就有自己的前端来替换clang。

如果你想支持一个新硬件，那你就重行实现一个后端，让它可以正确的把LLVM IR映射到自己的芯片。

接下来我们大致讲讲前后端的流程。

二前端在干什么

我们以Clang举例，前端主要实现四件事。

用LLVM写一个芯片编译器（一）——一文读懂编译器基本概念

经过词法分析、语法分析、语义分析、LLVM IR生产，最终将C++转化成后端认可的LLVM IR。

词法分析：将编程语言取出一个个词，遇到不认识的字符就报错。例如将a=b+c 拆成a,= ,b ,+, c

语法分析：将语法提取出来，例如你写了个a+b=c, 明显不符合语法，直接报错

语义分析：分析一下你写的代码实际含义是不是对，例如a=b+c, a,b,c有没有定义，类型是不是对的

LLVM IR生产：经过上述三步，将你写的代码转化成树状描述（抽象语法树），然后再转化成IR定义的IR即可。

举个直观的栗子，你写的C++

// add.cpp
int add(int a, int b) {
return a + b;
}

生产的LLVM IR

（这个地方你不需要看懂每个细节，知道大概想类汇编的语言就行了，专业的形式叫SSA, Static Single Assignment (SSA）

; ModuleID = 'add.cpp'
source_filename = "add.cpp"
target datalayout = "e-m

-i64:64-f80:128-n8:16:32:64-S128"
target triple = "x86_64-apple-macosx10.15.0"

; Function Attrs: noinline nounwind optnone ssp uwtable
define i32 @_Z3addii(i32, i32) #0 {
%3 = alloca i32, align 4
%4 = alloca i32, align 4
store i32 %0, i32* %3, align 4
store i32 %1, i32* %4, align 4
%5 = load i32, i32* %3, align 4
%6 = load i32, i32* %4, align 4
%7 = add nsw i32 %5, %6
ret i32 %7
}

三后端在干什么

后端把你的LLVM转换成真正的汇编（或者机器码）。主要的流程如下。这个我们要重点讲讲，因为后续我们就是要实现一个这个东西支持一个新的芯片。

用LLVM写一个芯片编译器（一）——一文读懂编译器基本概念