了解LLVM、Clang编译过程

LLVM 是一个自由软件项目，它是一种编译器基础设施，以 C++ 写成，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、运行时期以及“闲置时期”的最优化。它最早以 C/C++ 为实现对象，而当前它已支持包括 ActionScript、Ada、D语言、Fortran、GLSL、Haskell、Java字节码、Objective-C、Swift、Python、Ruby、Crystal、Rust、Scala 以及 C# 等语言。
– 维基百科

2000年，伊利诺伊大学厄巴纳－香槟分校（University of Illinois at Urbana-Champaign 简称UIUC）这所享有世界声望的一流公立研究型大学的 Chris Lattner（他的 twitter @clattner_llvm ） 开发了一个叫作 Low Level Virtual Machine 的编译器开发工具套件，后来涉及范围越来越大，可以用于常规编译器，JIT编译器，汇编器，调试器，静态分析工具等一系列跟编程语言相关的工作，于是就把简称 LLVM 这个简称作为了正式的名字。Chris Lattner 后来又开发了 Clang，使得 LLVM 直接挑战 GCC 的地位。2012年，LLVM 获得美国计算机学会 ACM 的软件系统大奖，和 UNIX，WWW，TCP/IP，Tex，JAVA 等齐名。
– 深入剖析 iOS 编译 Clang / LLVM

对于 iOS 开发者来说，Swift 之父 Chris Lattner 的大名应该都会有所耳闻。他和他的团队所开发的 LLVM 已经成为 iOS 乃至 macOS 整个生态中至关重要的底层基础设施。虽然 Lattner 本人已经去 Google 做人工智能了，但是对于 iOS 开发者了解并掌握一些关于 LLVM 的基本知识还是很有必要的。

LLVM 初探

LLVM 的官网是 http://llvm.org/。通过官网我们可以看到，LLVM 其实是一系列的编译组件的集合。而 Clang (标准读法是 克朗) 是作为其中的前端。这里的前端并不是 HTML5 这样的前端概念。说到这里，我们来简单回顾下传统编译器的设计吧

传统编译器

在 LLVM 诞生之前，使用最广泛的应该是 GCC 编译器了，当然，GCC 在当下仍然扮演着很重要的角色。

编译器前端 Front End

编译器前端的任务是解析源代码，具体工作内容包括下列三个流程：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)。

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。

编译器后端 Back End

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。
有些资料也会把编译器后端成为 代码生成器 Code Generator。

从上面的内容可以看到，传统的编译器架构前端和后端之间耦合度太高，如果要支持一门新的编程语言，或者一个新的目标平台，工作量会非常大。

LLVM 架构

LLVM 之所以能够成为编译器中的中流砥柱，最重要的就是使用了通用的代码表现形式，也就是 IR。有了 IR，LLVM 就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。

https://www.aosabook.org/en/llvm.html

Clang

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++、Objective-C 语言的编译器，它属于整个 LLVM 架构中的编译器前端。对于我们来说，研究 Clang 可以让我们更深刻的理解从源码到汇编再到机器码的这一过程。

Clang 的官网地址是 http://clang.llvm.org/

相比于 GCC，Clang 具有以下优点

• 编译速度快：在某些平台上，Clang的编译速度显著的快过GCC（Debug模式下编译OC速度比GGC快3倍）
• 占用内存小：Clang生成的AST所占用的内存是GCC的五分之一左右
• 模块化设计：Clang采用基于库的模块化设计，易于 IDE 集成及其他用途的重用
• 诊断信息可读性强：在编译过程中，Clang 创建并保留了大量详细的元数据 (metadata)，有利于调试和错误报告
• 设计清晰简单，容易理解，易于扩展增强

也就是说，广义上的 LLVM 指的是整个 LLVM 架构，而狭义上的 LLVM 是指的 LLVM 后端。
而 LLVM 后端包括代码优化(优化器)和目标代码生成(后端)两个部分。

Clang 编译流程

clang -ccc-print-phases 源文件路径

1. 输入文件：找到源文件

input, "main.m", objective-c

2. 预处理阶段：这个过程处理包括宏的替换，头文件的导入
   这个阶段主要是处理包括宏的替换，头文件的导入，可以执行命令 clang -E 源文件路径，执行完毕可以看到头文件的导入和宏的替换。define则在预处理阶段会被替换，所以经常被是用来进行代码混淆，目的是为了 app 安全，实现逻辑是：将 app 中核心类、核心方法等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，来达到代码混淆的目的。

preprocessor, {0}, objective-c-cpp-output

3. 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

• 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，
• 语法分析
  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此法短语，如程序、语句、表达式 等等
• 然后将所有节点组成抽象语法树（Abstract Syntax Tree AST），语法分析程序判断程序在结构上是否正确。
• 生成中间代码IR
  完成以上步骤后，就开始生成中间代码 IR 了，代码生成器（Code Generation）会将语法树自顶向下遍历逐步翻译成 LLVM IR

compiler, {1}, ir

4. 后端：这里LLVM会通过一个一个的pass去优化，每个pass做一些事情，最终生成汇编代码

backend, {2}, assembler

5. 汇编代码生成目标文件
   目标文件的生成，是汇编器以汇编代码作为插入，将汇编代码转换为机器代码，最后输出目标文件（object file）

assembler, {3}, object

6. 链接：链接需要的动态库和静态库，生成可执行文件
   链接主要是链接需要的动态库和静态库，生成可执行文件，其中静态库会和可执行文件合并，动态库是独立的。连接器把编译生成的 .o 文件和 .dyld、.a 文件链接，生成一个 mach-o 文件

linker, {4}, image（镜像文件）

7. 绑定：通过不同的架构，生成对应的可执行文件

bind-arch, "x86_64", {5}, image

什么是LLVM？

http://events.jianshu.io/p/1ac7feeb4ed5