LLVM学习之基础知识

介绍：

学习LLVM与代码混淆技术课程总结出来的经验，希望能够帮助到大家理解。

1、我们首先学会LLVM的基础知识

2、如何搭建LLVM的环境

3、编译一个Hello world

4、LLVM IR基本语法

LLVM搭建环境：

Ubuntu 20.04.3

LLVM 12.0.1

Cmake 3.21.1（项目管理工具）

Cmake注意事项：

刚装完系统要检查cmake是否安装成功，输入:cmake -version

1、LLVM简介

1、1  什么是LLVM

    LLVM项目是模块化、可重用的编译器以及工具链技术的集合。也可以把它理解为一个编译器。

 

1、2  GCC传统编译器架构

    传统编译器都是分为三个阶段：前端（词法分析、语法分析、语义分析、生成中间代码）、优化（中间代码优化）和后端（生成机器码）

     我们发现GCC的前端和后端没有分开的，当gcc需要支持一门新的语言或则平台则会变得非常困难。

1、3  LLVM编译器架构

    通过这种设计，移植编译器以支持新的源代码 语言（例如：Algol 或 BASIC）需要实现一个新的前端， 但是可以重用现有的优化器和后端。

1、4  Clang和LLVM的关系

     LLVM整体架构，前端用的是clang，广义的LLVM是指整个LLVM架构，一般狭义的LLVM指的是LLVM后端（包含代码优化和目标代码生成）。

源代码（c/c++）经过clang--> 中间代码(经过一系列的优化，优化用的是Pass) --> 机器码

2、搭建环境

2、1 下载 LLVM-Core 和 Clang 源代码

llvm-12.0.1.src.tar.xz

clang-12.0.1.src.tar.xz

然后解包后存放路径如下，并把文件改成llvm和clang

        

2、2  编译LLVM项目

还是在同一文件夹内创建build.sh 文件，内容如下：

cd build cmake -G "Unix Makefiles" -DLLVM_ENABLE_PROJECTS="clang" \ -DCMAKE_BUILD_TYPE=Release -DLLVM_TARGETS_TO_BUILD="X86" \ -DBUILD_SHARED_LIBS=On ../llvm make make install

cmake 参数解释：

-G “Unix Makefiles”：生成Unix下的Makefile

-DLLVM_ENABLE_PROJECTS=“clang”：除了 LLVM Core 外，还需要编译的子项目。

-DLLVM_BUILD_TYPE=Release：在cmake里，有四种编译模式：Debug, Release,

RelWithDebInfo, 和MinSizeRel。使用 Release 模式编译会节省很多空间。

-DLLVM_TARGETS_TO_BUILD=“X86”：默认是ALL，选择X86可节约很多编译时间。

-DBUILD_SHARED_LIBS=On：指定动态链接 LLVM 的库，可以节省空间。

make install 指令是将编译好的二进制文件和头文件等安装到本机的/usr/local/bin

和/usr/local/include 目录，方便后续使用。

执行build.sh 文件自动安装和编译，编译时长从十多分钟到数小时，具体时间由机器性能决定。

输入clang -v确认编译和安装是否完成：

并且在build生成对应的文件

3、编写个Hello World测试

代码如下：

#include <cstdio> int main(int argc, char *argv[]) {      printf("Hello World...\n");     return 0; }

LLVM IR主要有三种格式：一种是在内存中的编译中间语言；一种是硬盘上存储的二进制中间语言（以.bc结尾），最后一种是可读的中间格式（以.ll结尾）。这三种中间格式是完全相等的。

clang -S -emit-llvm TestProgram.cpp -o TestProgram.ll

 clang -c -emit-llvm TestProgram.cpp -o TestProgram.bc

 clang TestProgram.ll -o TestProgram_orig

4、LLVM IR基本语法

我们拿前面的例子反汇编出来的.II文件来阅读

LLVM IR中的标识符有两种基本类型：全局标识符（以@开头）和局部标识符（以%开头）

6行是定义了一个全局变量字符串

10~12行分别分配3个局部变量%3、%4、%5其中i32是所占位数，后面align 4是对齐，这就是栈分配的局部变量

 13~15行分别是填充分配的局部变量内容

16行是调用call，其中@.str是全局变量，在最前面可以开到这个全局变量字符串的定义

17行是ret返回