javac编译器工作原理（1）高级语言的编译原理

javac编译器工作原理（1）高级语言的编译原理

众所周知，Java语言有自己的语言规范，这个规范描述了Java语言有那些词法和语法的，有繁多的关键字，有固定的语法，而Java语言本质意义上是一门高级语言，这种语言如何被计算机理解并由CPU执行，就要倚靠JVM和JVM内置的编译器来完成。

首先我们来了解一下，高级语言是如何编译成为低级语言并由计算机执行的

计算机是不能直接运行高级语言代码的，CPU识别的只有二进制的0和1，而早期的工程师们就定义了不同的0和1组成了机器码(Machine code)

机器码也叫做机器语言，是可以由计算机的中央处理单元（CPU）直接执行的一组指令。
每条指令执行一个非常特定的任务，例如对CPU寄存器或内存中的数据单元执行加载，跳转或ALU操作。
每个由CPU直接执行的程序都由一系列这样的指令组成。

而高级语言就需要把语言本身经过某种手段，转化为机器能识别的机器码，然后交由操纵系统处理，最终CPU才可以识别运行

这里我们以C语言的汇编过程为例。

可以看出，C语言代码的编译过程分为四步：

预处理->编译->汇编->链接

假设有一个C语言源文件 my.c

#include<sdtio.h>
int main(){
    printf("test");
}

在Linux使用gcc编译器，进行编译（注意此时直接完成了预处理和编译，得到了汇编代码）

gcc -S my.c 

编译完成的汇编代码如下：

    .file   "my.c"
    .section    .rodata
.LC0:
    .string "test"
    .text
    .globl  main
    .type   main, @function
main:
.LFB0:
    .cfi_startproc
    pushq   %rbp
    .cfi_def_cfa_offset 16
    .cfi_offset 6, -16
    movq    %rsp, %rbp
    .cfi_def_cfa_register 6
    leaq    .LC0(%rip), %rdi
    movl    $0, %eax
    call    printf@PLT
    movl    $0, %eax
    popq    %rbp
    .cfi_def_cfa 7, 8
    ret
    .cfi_endproc
.LFE0:
    .size   main, .-main
    .ident  "GCC: (Ubuntu 7.2.0-8ubuntu3.2) 7.2.0"
    .section    .note.GNU-stack,"",@progbits

而这些汇编代码，经过第三步汇编生成二进制01机器码，机器码可以被CPU理解执行，这里说一下，汇编代码也只是机器码的一种语言表述，和机器码具有一一对应的关系
关于什么是汇编代码–维基百科

最后经过第四步，动态或者静态链接完成，生成的可执行的二进制代码即可由操作系统执行。

如果对上面的图和我说的还是不太理解，可以参考阮一峰大神的博客编译器的工作过程，值得一提的是对于不同的CPU架构，其汇编代码（Assembly Code）以及对应的机器码（Machine Code）是不尽相同的，比如x86汇编代码和ARM汇编代码，主要原因是因为不同CPU设计寄存器数目的不同等等。

而JVM的设计其实就和物理机一样，具有自己的堆、栈和执行引擎以及PC计数器

Java虚拟机就像物理机一样，同样是无法看懂Java代码的，所以就需要某种编译器将Java代码翻译成虚拟机能看懂的代码，类似物理机上CPU能读懂的机器码一样。JVM这种设计使得JVM这个平台更具开放性，无论是Java语言，还是JVM上的新成员Kotlin，Groovy等，最终还是要被某种编译器翻译成JVM能读懂的字节码。这些字节码，相当于物理机器能识别运行的机器码（或者对应的汇编语言）

而经过javac编译生成的.class文件，其实就是相当于编译过程中产生的汇编文件。

---

参考资料：
《深入分析Java Web技术内幕》–许令波
《深入理解Java虚拟机》–周志明
C语言编译过程详解
Java内存管理：深入Java内存区域