深入理解PHP原理之Opcodes

·        作者: Laruence(   )

·        本文地址: http://www.laruence.com/2008/06/18/221.html

·        转载请注明出处

最近要给Yahoo的同事们做一个关于PHP和Apache处理请求的内部机制的讲座，刚好写了些关于Opcodes的文字，就发上来了，这个文章基于 Sara Golemon大师的《Understanding OPcode》

Opcode是一种PHP脚本编译后的中间语言，就像Java的ByteCode,或者.NET的MSL，举个例子，比如你写下了如下的PHP代码：

1.        <?php

2.          echo"Hello World";

3.          $a = 1 + 1;

4.          echo$a;

5.       ?>

PHP执行这段代码会经过如下4个步骤(确切的来说，应该是PHP的语言引擎Zend)

1.       1.Scanning(Lexing) ,将PHP代码转换为语言片段(Tokens)

2.       2.Parsing, 将Tokens转换成简单而有意义的表达式

3.       3.Compilation, 将表达式编译成Opocdes

4.       4.Execution, 顺次执行Opcodes，每次一条，从而实现PHP脚本的功能。

题外话:现在有的Cache比如APC,可以使得PHP缓存住Opcodes，这样，每次有请求来临的时候，就不需要重复执行前面3步，从而能大幅的提高PHP的执行速度。

那什么是Lexing? 学过编译原理的同学都应该对编译原理中的词法分析步骤有所了解，Lex就是一个词法分析的依据表。 Zend/zend_language_scanner.c会根据Zend/zend_language_scanner.l(Lex文件),来输入的 PHP代码进行词法分析，从而得到一个一个的“词”，PHP4.2开始提供了一个函数叫token_get_all,这个函数就可以讲一段PHP代码Scanning成Tokens；
如果用这个函数处理我们开头提到的PHP代码，将会得到如下结果:

1.       Array

2.       (

3.           [0] => Array

4.               (

5.                  [0] => 367

6.                  [1] => Array

7.               (

8.                   [0] => 316

9.                   [1] => echo

10.            )

11.        [2] => Array

12.            (

13.                [0] => 370

14.                [1] =>

15.            )

16.        [3] => Array

17.            (

18.                [0] => 315

19.                [1] => "Hello World"

20.            )

21.        [4] => ;

22.        [5] => Array

23.            (

24.                [0] => 370

25.                [1] =>

26.            )

27.        [6] => =

28.        [7] => Array

29.            (

30.                [0] => 370

31.                [1] =>

32.            )

33.        [8] => Array

34.            (

35.                [0] => 305

36.                [1] => 1

37.            )

38.        [9] => Array

39.            (

40.                [0] => 370

41.                [1] =>

42.            )

43.        [10] => +

44.        [11] => Array

45.            (

46.                [0] => 370

47.                [1] =>

48.            )

49.        [12] => Array

50.            (

51.                [0] => 305

52.                [1] => 1

53.            )

54.        [13] => ;

55.        [14] => Array

56.            (

57.                [0] => 370

58.                [1] =>

59.            )

60.        [15] => Array

61.            (

62.                [0] => 316

63.                [1] => echo

64.            )

65.        [16] => Array

66.            (

67.                [0] => 370

68.                [1] =>

69.            )

70.        [17] => ;

71.    )

分析这个返回结果我们可以发现，源码中的字符串，字符，空格，都会原样返回。每个源代码中的字符，都会出现在相应的顺序处。而，其他的比如标签，操作符，语句，都会被转换成一个包含俩部分的Array: Token ID (也就是在Zend内部的改Token的对应码，比如,T_ECHO,T_STRING)，和源码中的原来的内容。
接下来，就是Parsing阶段了，Parsing首先会丢弃TokensArray中的多于的空格，然后将剩余的Tokens转换成一个一个的简单的表达式

1.       1.echo a constant string

2.       2.add two numbers together

3.       3.store the result of the prior expression to a variable

4.       4.echo a variable

然后就改Compilation阶段了，它会把Tokens编译成一个个op_array, 每个op_arrayd包含如下5个部分：

1.       1.Opcode数字的标识，指明了每个op_array的操作类型，比如add , echo

2.       2.结果      存放Opcode结果

3.       3.操作数1  给Opcode的操作数

4.       4.操作数2

5.       5.扩展值   1个整形用来区别被重载的操作符

比如，我们的PHP代码会被Parsing成:

1.       * ZEND_ECHO    'Hello World'

2.       * ZEND_ADD       ~01 1

3.       * ZEND_ASSIGN  !0~0

4.       * ZEND_ECHO     !0

呵呵，你可能会问了，我们的$a去那里了？

恩，这个要介绍操作数了，每个操作数都是由以下俩个部分组成：

1.       a)op_type : 为IS_CONST, IS_TMP_VAR, IS_VAR,IS_UNUSED, or IS_CV

2.        

3.       b)u,一个联合体，根据op_type的不同，分别用不同的类型保存了这个操作数的值(const)或者左值(var)

而对于var来说，每个var也不一样

IS_TMP_VAR,顾名思义，这个是一个临时变量，保存一些op_array的结果，以便接下来的op_array使用，这种的操作数的u保存着一个指向变量表的一个句柄（整数），这种操作数一般用~开头，比如~0,表示变量表的0号未知的临时变量

IS_VAR这种就是我们一般意义上的变量了,他们以$开头表示

IS_CV 表示ZE2.1/PHP5.1以后的编译器使用的一种cache机制，这种变量保存着被它引用的变量的地址，当一个变量第一次被引用的时候，就会被CV起来，以后对这个变量的引用就不需要再次去查找active符号表了，CV变量以！开头表示。

这么看来，我们的$a被优化成!0了。