对LLVM的认识与理解（LLVM与传统编译器对比）

一些写在前面的基础概念

LLVM（ Lower Level Virtual Machine）：是一个编译器（编译器就是把人类可读的
高级语言映射到机器执行码）基础框架、是模块化和可重用的编译器和工具链技术的集合。

LLVM的代码有 3种表示形式：内存编译器中的IR（intermediate representation  中间代码）、存于磁盘的bitcode（也称为字节码——bytecode，由两部分组成：位流bitstream，可类比字节流，以及将 LLVM IR 编码成位流的编码格式。），以及用户可读的汇编码。

交叉编译技术：所谓交叉编译，指的是我们能够在一个平台（例如 x86）编译并构建二进制文件，而在另一个平台（例如 ARM）运行。编译二进制文件的机器称为主机（host），而运行生成
的二进制文件的平台我们称为目标平台（target）。为相同平台（主机与目标机器相同）编
译代码我们称为本机编译（native assembler），而当主机与目标机器为不同平台时编译代码
则称为交叉编译（cross-compiler）。

上下文无关语法：Context-Free Grammar（CFG），X >= Y，X 可以被 Y 替换，而无须考虑 X 的上下文，在这里 X 是一个非终结符。与之对应的是上下文相关语法，aX >= Y, bX >= Z，在不同的推导规则中 X具有不同的语义，因此称之为上下文相关语法。

非终结符号：在形式语言中，非终结符号指的是，根据推导规则，可以被其他符号替换的符号。

终结符号：在形式语言中，终结符号是语言的基本符号，它不可以被分解或替换。也就是说推导到终结符号时推导过程便终结了。

抽象语法树： AST是一门编程语言源码的抽象语法结构的树形表示。各种语言组件，例如表达式、条件控制语句等，都有相应的 AST，并被区分为操作符和操作数。AST 并不表示这些代码如何由语法生成，而是表达了语言组件之间的关系。AST 忽略了一些无关紧要的元素，例如标点符号、定界符（通常是空格、换行）。AST 中的每个元素都会有一些附加的属性，在之后的编译阶段会有一定作用。例如，源码行号信息就是这样一个属性，在进行语法检查遇到语法错误时就可以输出错误代码的行号信息（在 C++的 Clang 前端中，位置、行号、列号等信息以及其他相关属性由 SourceManager 类的一个对象存储）。
 

传统编译器VSLLVM

传统编译器结构：  前端---->优化/中端---->后端

详解：传统编译器的前端主要负责对输入的源代码进行分析（eg：检查语法错误、判断各种词义类型、构建AST（抽象语法树））；中端即优化，对前端处理过的源代码进行一些优化；最终由后端生成可执行的机器码。（一对一）

 LLVM结构： 多前端---->优化/中端---->多后端

详解：LLVM前端支持多种格式源代码作为输入，输入后会对源代码进词义分析、语义分析形成AST等形成IR，IR作为中端即优化的输入；当中端收到前端发来的IR后，通过LLVM的opt模块使用各种pass（pass为各种优化模块）（LLVM学习之OPT工具_What’sman 的博客-CSDN博客）等，实现对IR的各种优化；后端对优化好的IR进行合适的解释生成对应平台的机器码。（可以实现交叉编译）（多对多）

 结论：由此对比可以看出LLVM相较于传统编译器，LLVM支持多种格式语言作为前端语言输入，经过其优化器对前端语言进行各种可选择的优化，其中优化pass还可以自定义设计；将优化后的IR传给合适的后端输出合适的机器码。不仅支持多种源码输入还支持多种机器码输出，实现交叉编译。

LLVM编译过程详情

LLVM编译过程：预处理 ----> 词法分析 ----> Token ----> 语法分析 ----> AST ----> 代码生成 ----> LLVM IR ----> 优化 ----> 目标文件

        1.预处理——>词法分析

                主要是传入源代码。        

        2.词法分析——>token——>语法分析

                词法分析往往是编译程序的第一步，词法分析器把程序代码的输入流切分成token。通常来说，被解析成token的语言是基于上下文无关语法的。一个token可以是一个字符串，由一个或多个同一范畴的字符组成。对输入字符流构建成token的过程称为符号化（tokenization）。为了把输
入的字符分组成token，还需要有特定的定界符。对于词法分析来说，有自动化的词法分析工具来完成这个工作，比如LEX。

                语法分析器（parser）根据语言的语法规则来解析代码，解析阶段决定了输入的代码是否能够根据既定的语法组成token流。在此阶段会构造出一棵解析树，而语法分析器则会定义一些函数来把代码组织成一种被称为AST的数据结构。

        3.语法分析——>AST——>代码生成

                语法分析器接受这些token并把token流构建成AST。AST 中的每个元素都会有一些附加的属性，在之后的编译阶段会有一定作用。例如，源码行号信息就是这样一个属性，在进行语法检查遇到语法错误时就可以输出错误代码的行号信息（在 C++的 Clang 前端中，位置、行号、列号等信息以及其他相关属性由 SourceManager 类的一个对象存储）。AST 的使用集中在语义分析阶段，在这个阶段，编译器会检查程序和语言元素是否正确使用。此外，在语义分析阶段编译器还会基于 AST 生成符号表。完整的树遍历允许验证程序的正确性。在验证正确后，AST 还是代码生成的基础。

        4.AST——>代码生成——> LLVM IR——> 优化

                现在所有必要信息都存储于AST这一数据结构中，下一阶段即是从AST生成LLVM IR。
在代码生成的过程中我们需要使用 LLVM 的 API，通过 LLVM 内建的 API 可以生成预定义格式的 LLVM IR。

                LLVM 提供了多种多样的优化 Pass，并且允许第三方编译器实现来决定使用哪些优化，及优化的顺序等。 LLVM IR主要通过通过LLVM的opt模块使用各种pass（pass为各种优化模块）（LLVM学习之OPT工具_What’sman 的博客-CSDN博客）等，实现对IR的各种优化。

        5.优化——> 目标文件（之后进行详细补充）

更多详情可阅看《Mayur Pandey_ Suyog Sarda_ 王欢明 - LLVM Cookbook 中文版-电子工业出版社 (2016)》