大约4年前，我加入了GDNT - 北电网络在中国的合资企业，参与3G UMTS无线接入网的研发工作。与GCC有了第一次亲密的接触（之前使用的是MS的VC）。彼时，北电在其诸如，UMTS、CDMA、及自行开发的众多工具等项目中（此后，在4G项目,Wimax及Lte中），将GCC作为标准编译器来使用。每周我都需要进行数次的loadbuild，编译出load文件进行测试，以验证我对一些bug的修正代码。每次loadbuild，编译的文件数以千计，最后的执行文件可至百兆的尺寸。而GCC的运行令人惊异地稳定。这些年来，我只碰到过2次GCC的崩溃，其中一次还是因为我为了达到模板分离编译（separate compilation of template）的效果（GCC至今未支持这一特性。据我所知，目前只有EDG的前端能做到。而且在C++标准稳定下来之前【ISO-IEC - 14882-1998】，EDG的前端是实际的标准。在http://www.edg.com/可以找到有关EDG的情况），使用了奇怪的代码（含有错误的C++代码），而导致生成错误的中间树代码（很遗憾，GCC未能检出语法错误）。从而触发了GCC内部的断言。因此GCC虽然退出，但给出了详细的错误转储。还算退出得比较体面。
这个神奇的工具令人称奇！虽然以前我也学过编译原理，但是面对GCC，我觉得对它知之甚少。多亏GCC是开源的，使我得以窥探其神秘面纱后的容颜。这些年，虽然自觉对GCC已有相当的了解，但远还未到究竟。借此博客，我将和大家分享这些年来学习GCC的笔记（所关注的GCC为：3.4.6版，C++前端，运行平台：x86/Linux，目标机器：x86/Linux）。而这个笔记还在增长中，还远未结束。
参考文献
[1] Programming language pragmatics, 2nd edition
[2] gccint, version 3.4.6
[3] ISO-IEC-14882-2003
[4] The C Preprocessor April 2001, for GCC V3
[5] cppinternals
[6] Using the GNU Compiler Collection
[7] Inside The C++ Object Model, by Stanley B.Lippman
[8] GCC Complete Reference
[9] The design and evolution of C++, by Bjarne Stroustrup
[10] Linkers & Loaders, by John R. Levine
[11] Efficient Instruction Scheduling Using Finite State Automata, by Vasanth Bala, Norman Rubin
[12] Compilers: Principles, Techniques, and Tools, 2nd edition
其中，[2]和[5]保存在目录“YOUR-GCC-SOURCE-DIR/gcc/doc”下。[1]，[7]，[9]，[10]和[12]给出了一些有用的背景知识。
准备工作
一些重要的GCC源码是由GCC自带工具生成的。在深入看代码前，我们首先需要编译GCC，生成这些源码。至于如何下载源代码（http://gcc.gnu.org/mirrors.html是官方的下载地址），编译前配置及编译，网上有丰富的资料，在此略过（注：如果已经装有GCC，使用g++ -###可查看GCC的配置命令）。
GCC的架构
GCC可简单地分为2部分：前端和后端。预处理器（如果存在）、词法分析器和语法分析器在前端实现，前端的作用是将源语言写的程序转换成与语言无关的中间形式。因此，理论上，引入对新语言的支持，只需要实现预处理器、词法分析器和语法分析器。但实际上，一般的我们还需要写一些代码以确立运行时环境。
在GCC 3.4.6，这个通用的中间语言是RTL（register transfer language）。RTL是一种简单的语言，很容易就能翻译成汇编代码。因此，直接将源语言转换为RTL，不太合适。事实上，前端首先会将代码转换成中间树并进行大量的处理，然后再进一步变换为RTL，并送入后端。
后端的作用则是生成汇编代码。作为广泛使用的编译器，GCC可以支持各种流行的平台。为了实现这个目的，GCC采用了机器描述文件，对目标机器的指令集、流水线结构、甚至架构本身带来的优化机会进行描述。对于目标机器（配置GCC时需指定），这些描述文件将被多个工具处理，生成相应的源代码，然后用于编译GCC。因此，引入新机器的主要工作，在于提供机器描述文件（一般而言还需要定义一些处理函数提供必要的处理逻辑）。
在以下地址，http://www.ibm.com/developerworks/cn/linux/l-gcc4/?ca=dwcn-newsletter-linux，可以找到关于GCC较新版本的信息。
前端
当我们调用 ”gcc –o xxx xxx.c” 时，事实上我们的请求会转交给一个shell，这个shell会解析这个调用命令，并根据它所能认识的命令行选项，在所运行的平台上进行相应的准备。然后根据源文件的后缀，调用相匹配的编译器，并将其不能识别的命令行选项一并传入。这里我们不关心这个shell，我们专注于真正的编译器。
1. 概览
前端读入源程序进行语法分析，然后将其转换为语言无关形式。理论上，每个前端可以使用独特的形式。不过在GCC中，为了尽可能地重用代码，不同前端生成的中间树都使用同一组树节点。显然，这组节点需要足够的多样性以满足不同语言的要求。这组树节点对于C/C++前端的意义非同寻常，我们首先需要对其着手。
1.1. 前端中树的表达形式
为了支持已经存在及以后将会加入的前端，GCC定义了数十种的树节点（不是所有节点都能作为叶子节点）。所有的节点，在其结构体定义中，以下面的结构作为第一个成员。
129 struct tree_common GTY(()) in tree.h
130 {
131 tree chain;
132 tree type;
133
134 ENUM_BITFIELD(tree_code) code : 8;
135
136 unsigned side_effects_flag : 1;
137 unsigned constant_flag : 1;
138 unsigned addressable_flag : 1;
139 unsigned volatile_flag : 1;
140 unsigned readonly_flag : 1;
141 unsigned unsigned_flag : 1;
142 unsigned asm_written_flag: 1;
143 unsigned unused_0 : 1;
144
145 unsigned used_flag : 1;
146 unsigned nothrow_flag : 1;
147 unsigned static_flag : 1;
148 unsigned public_flag : 1;
149 unsigned private_flag : 1;
150 unsigned protected_flag : 1;
151 unsigned deprecated_flag : 1;
152 unsigned unused_1 : 1;
153
154 unsigned lang_flag_0 : 1;
155 unsigned lang_flag_1 : 1;
156 unsigned lang_flag_2 : 1;
157 unsigned lang_flag_3 : 1;
158 unsigned lang_flag_4 : 1;
159 unsigned lang_flag_5 : 1;
160 unsigned lang_flag_6 : 1;
161 unsigned unused_2 : 1;
162 };
上面，在134行，在3.4.6版，ENUM_BITFIELD将被扩展为”__extension__ enum”, 131行的chain，如果需要，能将该节点链入树。
下面给出了，结构体中部分的标识域的含义，及访问它们的宏定义（红字部分）。
Ø TREE_TYPE ((NODE)->common.type)
用于所有表示表达式的节点，代表该表达式的数据类型。
² 在POINTER_TYPE节点中，代表该指针指向的类型。
² 在ARRAY_TYPE节点中，代表数组元素的类型。
² 在VECTOR_TYPE节点中，代表vector元素的类型（某些芯片的寄存器足够大，足以存放多个标量，这一组标量称为vector类型）。
Ø TREE_ADDRESSABLE ((NODE)->common.addressable_flag)
² 在VAR_DECL节点中，非零值表示该节点代表的变量的地址，在程序的其他地方被使用，不能产生将该变量置入寄存器的代码。
² 在FUNCTION_DECL节点中，非零值表示该节点代表的函数的地址，在程序的其他地方被使用。该函数必须被编译出来即便它是内联函数（在被调用的地方，内联函数被展开为函数体，故不需要单独编译出来）。
² 在FIELD_DECL节点中，非零值表示该节点代表的成员的地址允许被程序员设定。彼时，该标识用于别名识别：参见函数record_component_aliases。
² 在CONSTRUCTOR节点中，非零值表示该构造函数必须在内存中创建对象（而不是在寄存器中）。
² 在LABEL_DECL节点中，非零值表示一条目标为该lable的goto语句，出现在所有执行跳转到该label的goto语句，需要恢复栈的绑定域外。
² 在所有*_TYPE节点中，非零值表示该类型的所有对象必须是完全取址的。这意味着，例如：这些对象任何一部分都不能放入寄存器中。
² 在IDENTIFIER_NODE节点中，非零值表示某些同名的外部声明的地址已被引用。这关系到内联函数。
Ø TREE_STATIC ((NODE)->common.static_flag)
² 在VAR_DECL节点中，非零值表示该变量为静态类型。
² 在FUNCTION_DECL节点中，非零值表示该函数已被定义。
² In a CONSTRUCTOR, nonzero means allocate static storage.
Ø TREE_VIA_VIRTUAL ((NODE)->common.static_flag)
² 在TREE_LIST或TREE_VEC节点中，非零值表示所对应的类，其派生关系为虚继承（virtual）。
Ø TREE_CONSTANT_OVERFLOW ((NODE)->common.static_flag)
² 在INTEGER_CST，REAL_CST，COMPLEX_CST或 VECTOR_CST节点中，非零值表示在常量折叠中发生溢出。它与TREE_OVERFLOW的区别在于，如果常量表达式发生溢出，ANSI C要求给出诊断信息。
(IDENTIFIER_NODE_CHECK (NODE)->common.static_flag)
² 在IDENTIFIER_NODE节点中，非零值表示该字串作为参数调用了函数assemble_name。
Ø CLEANUP_EH_ONLY ((NODE)->common.static_flag)
² 在TARGET_EXPR，WITH_CLEANUP_EXPR，CLEANUP_STMT节点，或块（block）的清理（cleanup）链的节点中，非零值表示相关的清理只在异常抛出时执行，而在正常退出时不需要执行。
Ø TREE_OVERFLOW ((NODE)->common.public_flag)
² 在INTEGER_CST，REAL_CST，COMPLEX_CST或VECTOR_CST节点中，非零值表示在常量折叠中发生溢出，并且这部分的警告还没有发出。TREE_OVERFLOW同时意味着TREE_CONSTANT_OVERFLOW，但反之不成立。
Ø TREE_PUBLIC ((NODE)->common.public_flag)
² 在VAR_DECL或FUNCTION_DECL节点中，非零值表示该名字可从模块（module）外访问。在IDENTIFIER_NODE节点中，非零值表示在域内（inner scope），已有该名字所代表的，能从模块（module）外访问的，外部链接性的声明（external declaration）。
Ø TREE_PRIVATE ((NODE)->common.private_flag)
² 在C++里，在类中使用。
Ø CALL_EXPR_HAS_RETURN_SLOT_ADDR ((NODE)->common.private_flag)
² 在CALL_EXPR节点中，非零值表示返回值的地址是参数链的一部分。
Ø TREE_PROTECTED ((NODE)->common.protected_flag)
² 在C++中用于类。在BLOCK节点中，这是个BLOCK_HANDLER_BLOCK节点。
Ø CALL_FROM_THUNK_P ((NODE)->common.protected_flag)
² 在CALL_EXPR节点中，非零值表示该函数调用是从thunk到thunk目标函数的跳转。
Ø TREE_SIDE_EFFECTS ((NODE)->common.side_effects_flag)
² 在所有的表达式中，非零值表示该表达式含有副作用（side effects）或者对其每次求值（reevaluation of the whole expression）将产生不同的值。如果其子表达式是一个函数调用、对一个volatile变量的引用或含有副作用，这个标识符将被设置。
² In a *_DECL, this is set only if the declaration said `volatile'.
Ø TREE_THIS_VOLATILE ((NODE)->common.volatile_flag)
² 非零值表示该表达式在C的含义下（in the C sense）是volatile：它的地址应该是类型`volatile WHATEVER *'。换而言之，所声明的项（item）是volatile修饰的（volatile qualified）。该标识符用于*_DECL和*_REF节点中。
² 在*_TYPE节点中，非零值表示其对应的类型为volatile修饰的（volatile-qualified）。不过如果节点代表一个类型，应该使用TYPE_VOLATILE而不是这个宏。因为，以后这2个宏会访问不同的位（现在是相同的，见下一条）。如果这个位被设上，TREE_SIDE_EFFECTS也应该同时被设上。
Ø TYPE_VOLATILE (TYPE_CHECK (NODE)->common.volatile_flag)
² 非零值表示该类型作为整体是volatile的。
Ø TREE_READONLY ((NODE)->common.readonly_flag)
² 在VAR_DECL，PARM_DECL或者FIELD_DECL，或者所有*_REF类型节点中，非零值表示它不能作为左值（the lhs of an assignment）。
² 在*_TYPE节点中，非零值表示其对应的类型为常量（const-qualified）类型（但是如果节点表示类型则应该使用宏TYPE_READONLY）。
Ø TYPE_READONLY (TYPE_CHECK (NODE)->common.readonly_flag)
² 非零值表示该节点代表的类型为常量类型。
Ø TREE_CONSTANT ((NODE)->common.constant_flag)
² 非零值表示表达式的值为常量。在所有的*_CST节点中设置。也可能出现在数学表达式中，ADDR_EXPR或者CONSTRUCTOR节点中，如果它们的值为常量。
Ø TREE_UNSIGNED ((NODE)->common.unsigned_flag)
² 在INTEGER_TYPE或者ENUMERAL_TYPE节点中，非零值表示其对应类型为无符号类型。在FIELD_DECL节点中，则表示为无符号域（unsigned bit field）。
Ø TREE_ASM_WRITTEN ((NODE)->common.asm_written_flag)
² 在VAR_DECL节点中表示汇编代码也被写入。
² 在FUNCTION_DECL节点中表示该函数已被编译。在内联函数中，这个位很有意义，因为内联函数可能不需要独立编译(作为函数)。
² 在RECORD_TYPE，UNION_TYPE，QUAL_UNION_TYPE或者ENUMERAL_TYPE节点中，表示有关类型的sdb调试信息已经写入。
² 在BLOCK节点中，非零值表示在这个分段（block）内，reorder_block节点已发现。
Ø TREE_USED ((NODE)->common.used_flag)
² 在*_DECL节点中表示，在其作用域中，相应的名字被引用（is used in its scope）。
² 在表达式节点中，表示如果其值未被使用，不发出警告。
² 在IDENTIFIER_NODE节点中，表示同名的外部声明已被引用（was used）。
Ø TREE_NOTHROW ((NODE)->common.nothrow_flag)
² 在FUNCTION_DECL节点中，表示该函数不会抛出异常。在CALL_EXPR节点中，则表示该次调用不会抛出异常。
Ø TYPE_ALIGN_OK (TYPE_CHECK (NODE)->common.nothrow_flag)
² 用在表示类型的节点中，非零值表示所有该类型的对象由语言或前端保证，被正确地对齐。因此，我们可以得知该类型的MEM节点（RTL节点）的对齐量不少于该类型的对齐量，尽管它可能看起来不是这样。在面向对象语言中，这种情况发生在一个要求更多对齐量量的变种类型的对象上（in object-oriented languages where a tag field may show this is an object of a more-aligned variant of the more generic type）。
Ø TREE_DEPRECATED ((NODE)->common.deprecated_flag)
² 在IDENTIFIER_NODE节点中，该名字的使用是被__attribute__((deprecated))所不推荐的。
列表 1：tree_common中的标识符
1.1.1. 树节点的定义
以下是中间树的节点的定义。
45 typedef union tree_node *tree; in coretypes.h
1772 union tree_node GTY ((ptr_alias (union lang_tree_node), in tree.h
1773 desc ("tree_node_structure (&%h)")))
1774 {
1775 struct tree_common GTY ((tag ("TS_COMMON"))) common;
1776 struct tree_int_cst GTY ((tag ("TS_INT_CST"))) int_cst;
1777 struct tree_real_cst GTY ((tag ("TS_REAL_CST"))) real_cst;
1778 struct tree_vector GTY ((tag ("TS_VECTOR"))) vector;
1779 struct tree_string GTY ((tag ("TS_STRING"))) string;
1780 struct tree_complex GTY ((tag ("TS_COMPLEX"))) complex;
1781 struct tree_identifier GTY ((tag ("TS_IDENTIFIER"))) identifier;
1782 struct tree_decl GTY ((tag ("TS_DECL"))) decl;
1783 struct tree_type GTY ((tag ("TS_TYPE"))) type;
1784 struct tree_list GTY ((tag ("TS_LIST"))) list;
1785 struct tree_vec GTY ((tag ("TS_VEC"))) vec;
1786 struct tree_exp GTY ((tag ("TS_EXP"))) exp;
1787 struct tree_block GTY ((tag ("TS_BLOCK"))) block;
1788 };
显然，这个节点需要定义为union。注意第1772行的ptr_alias，它告诉GTY （GCC的废料回收系统（garbage collection service），我们暂时不理会它），指向tree_node的指针实际上指向lang_tree_node，这个节点由前端通过tree_node追加额外的特定于语言的成员来定义（因此，它可被视为tree_node）。在C++前端中，lang_tree_node有如下定义：
472 union lang_tree_node GTY((desc ("cp_tree_node_structure (&%h)"), in cp-tree.h
473 chain_next ("(union lang_tree_node *)TREE_CHAIN (&%h.generic)")))
474 {
475 union tree_node GTY ((tag ("TS_CP_GENERIC"),
476 desc ("tree_node_structure (&%h)"))) generic;
477 struct template_parm_index_s GTY ((tag ("TS_CP_TPI"))) tpi;
478 struct ptrmem_cst GTY ((tag ("TS_CP_PTRMEM"))) ptrmem;
479 struct tree_overload GTY ((tag ("TS_CP_OVERLOAD"))) overload;
480 struct tree_baselink GTY ((tag ("TS_CP_BASELINK"))) baselink;
481 struct tree_wrapper GTY ((tag ("TS_CP_WRAPPER"))) wrapper;
482 struct tree_default_arg GTY ((tag ("TS_CP_DEFAULT_ARG"))) default_arg;
483 struct lang_identifier GTY ((tag ("TS_CP_IDENTIFIER"))) identifier;
484 };
1802
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
