編譯器

編譯器

簡單講,編譯器就是將"一種語言(通常為高級語言)"翻譯為"另一種語言(通常為低級語言)"的程式。一個現代編譯器的主要工作流程:原始碼 (source code) → 預處理器 (preprocessor) → 編譯器 (compiler) → 目標代碼 (object code) → 連結器 (Linker) → 可執行程式 (executables)

高級電腦語言便于人編寫,閱讀交流,維護。機器語言是電腦能直接解讀、運行的。編譯器將匯編或高級電腦語言源程式(Source program)作為輸入,翻譯成目標語言(Target language)機器代碼的等價程式。原始碼一般為高級語言 (High-level language), 如Pascal、C、C++、Java、漢語編程等或匯編語言,而目標則是機器語言的目標代碼(Object code),有時也稱作機器代碼(Machine code)。

對于C#、VB等高級語言而言,此時編譯器完成的功能是把源碼(SourceCode)編譯成通用中間語言(MSIL/CIL)的位元組碼(ByteCode)。最後運行的時候通過通用語言運行庫的轉換,編程最終可以被CPU直接計算的機器碼(NativeCode)。

  • 中文名稱
    編譯器
  • 外文名稱
    Compiler
  • 別稱
    解碼器
  • 表達式
    預處理器 → 編譯器 → 目標代碼 
  • 提出者
    葛麗絲·霍普
  • 提出時間
    20世紀50年代末
  • 套用學科
    電腦
  • 適用領域範圍
    單片機

工作原理

編譯是從原始碼(通常為高級語言)到能直接被電腦或虛擬機執行的目標代碼(通常為低級語言或機器語言)的翻譯過程。然而,也存在從低級語言到高級語言的編譯器,這類編譯器中用來從由高級語言生成的低級語言代碼重新生成高級語言代碼的又被叫做反編譯器。也有從一種高級語言生成另一種高級語言的編譯器,或者生成一種需要進一步處理的的中間代碼的編譯器(又叫級聯)。

典型的編譯器輸出是由包含入口點的名字和地址, 以及外部調用(到不在這個目標檔案中的函式調用)的機器代碼所組成的目標檔案。一組目標檔案,不必是同一編譯器產生,但使用的編譯器必需採用同樣的輸出格式,可以連結在一起並生成可以由使用者直接執行的EXE,

所以我們電腦上的檔案都是經過編譯後的檔案。

種類

編譯器可以生成用來在與編譯器本身所在的電腦和作業系統(平台)相同的環境下運行的目標代碼,這種編譯器又叫做"在地"編譯器。另外,編譯器也可以生成用來在其它平台上運行的目標代碼,這種編譯器又叫做交叉編譯器交叉編譯器在生成新的硬體平台時非常有用。"源碼到源碼編譯器"是指用一種高級語言作為輸入,輸出也是高級語言的編譯器。例如: 自動並行化編譯器經常採用一種高級語言作為輸入,轉換其中的代碼,並用並行代碼注解對它進行注解(如OpenMP)或者用語言構造進行注解(如FORTRAN的DOALL指令)。

編譯器編譯器

處理器

作用是通過代入預定義等程式段源程式補充完整。

前端

前端主要負責解析(parse)輸入的原始碼,由文法分析器和意涵分析器協同工作文法分析器負責把原始碼中的'單詞'(Token)找出來,意涵分析器把這些分散的單詞按預先定義好的文法組裝成有意義的表達式,語句 ,函式等等。 例如"a = b + c;"前端文法分析器看到的是"a, =, b , +, c;",意涵分析器按定義的文法,先把他們組裝成表達式"b + c",再組裝成"a = b + c"的語句。 前端還負責語義(semantic checking)的檢查,例如檢測參與運算的變數是否是同一類型的,簡單的錯誤處理。最終的結果常常是一個抽象的文法樹(abstract syntax tree,或 AST),這樣後端可以在此基礎上進一步最佳化,處理。

後端

編譯器後端主要負責分析,最佳化中間代碼(Intermediate representation)以及生成機器代碼(Code Generation)。

一般說來所有的編譯器分析,最佳化,變型都可以分成兩大類: 函式內(intraprocedural)還是函式之間(interprocedural)進行。很明顯,函式間的分析,最佳化更準確,但需要更長的時間來完成。

代碼分析

編譯器分析(compiler analysis)的對象是前端生成並傳遞過來的中間代碼,現代的最佳化型編譯器(optimizing compiler)常常用好幾種層次的中間代碼來表示程式,高層的中間代碼(high level IR)接近輸入的源程式的格式,與輸入語言相關(language dependent),包含更多的全局性的信息,和源程式的結構;中層的中間代碼(middle level IR)與輸入語言無關,低層的中間代碼(Low level IR)與機器語言類似。 不同的分析,最佳化發生在最適合的那一層中間代碼上。

編譯器編譯器

常見的編譯分析有函式調用樹(call tree),控製流程圖(Control flow graph),以及在此基礎上的 變數定義-使用,使用-定義鏈(define-use/use-define or u-d/d-u chain),變數別名分析(alias analysis),指針分析(pointer analysis),資料依賴分析(data dependence analysis)等。

程式分析結果是編譯器最佳化(compiler optimization)和程式變形(compiler transformation)的前提條件。常見的最佳化和變形有:函式內嵌(inlining),無用代碼移除(Dead code elimination),標準化迴圈結構(loop normalization),迴圈體展開(loop unrolling),迴圈體合並,分裂(loop fusion,loop fission),數組填充(array padding),等等。 最佳化和變形的目的是減少代碼的長度,提高記憶體(memory),快取(cache)的使用率,減少讀寫磁碟,訪問網路資料的頻率。更高級的最佳化甚至可以把序列化的代碼(serial code)變成並行運算,多執行緒的代碼(parallelized,multi-threadedcode)。

編譯器編譯器

機器代碼的生成是最佳化變型後的中間代碼轉換成機器指令的過程。現代編譯器主要採用生成匯編代碼(assembly code)的策略,而不直接生成二進位的目標代碼(binary object code)。即使在代碼生成階段,高級編譯器仍然要做很多分析,最佳化,變形的工作。例如如何分配暫存器(register allocatioin),如何選擇合適的機器指令(instruction selection),如何合並幾句代碼成一句等等。

工作方法

首先編譯器進行文法分析,也就是要把那些字元串分離出來。

然後進行語義分析,就是把各個由文法分析分析出的文法單元的意義搞清楚。

最後生成的是目標檔案,也稱為obj檔案。

再經過連結器的連結就可以生成最後的EXE檔案了。

有些時候需要把多個檔案產生的目標檔案進行連結,產生最後的代碼。這一過程稱為交叉連結。

編譯器最佳化

應用程式之所以復雜, 是由于它們具有處理多種問題以及相關資料集的能力。實際上, 一個復雜的應用程式就象許多不同功能的應用程式" 貼上" 在一起。源檔案中大部分復雜性來自于處理初始化和問題設定代碼。這些檔案雖然通常佔源檔案的很大一部分, 具有很大難度, 但基本上不花費C PU 執行周期。

盡管存在上述情況, 大多數Makefile檔案隻有一套編譯器選項來編譯項目中所有的檔案。因此, 標準的最佳化方法隻是簡單地提升最佳化選項的強度, 一般從O 2 到O 3。這樣一來, 就需要投人大量 精力來調試, 以確定哪些檔案不能被最佳化, 並為這些檔案建立特殊的make規則。

一個更簡單但更有效的方法是通過一個性能分析器, 來運行最初的代碼, 為那些佔用了85 一95 % CPU 的源檔案生成一個列表。通常情況下, 這些檔案大約隻佔所有檔案的1%。如果開發人員立刻為每一個列表中的檔案建立其各自的規則, 則會處于更靈活有效的位置。這樣一來改變最佳化隻會引起一小部分檔案被重新編譯。進而,由于時間不會浪費在最佳化不費時的函式上, 重編譯全部檔案將會大大地加快。

進行對比

許多人將高階程式語言分為兩類:編譯型語言和直譯型語言。然而,實際上,這些語言中的大多數既可用編譯型實現也可用直譯型實現,分類實際上反映的是那種語言常見的實現方式。(但是,某些直譯型語言,很難用編譯型實現。比如那些允許 線上代碼變更 的直譯型語言。)

歷史

20世紀50年代,IBM的John Backus帶領一個研究小組對FORTRAN語言及其編譯器進行開發。但由于當時人們對編譯理論了解不多,開發工作變得既復雜又艱苦。與此同時,Noam Chomsky開始了他對自然語言結構的研究。他的發現最終使得編譯器的結構異常簡單,甚至還帶有了一些自動化。Chomsky的研究導致了根據語言文法的難易程度以及識別它們所需要的演算法來對語言分類。正如Chomsky架構(Chomsky Hierarchy),它包括了文法的四個層次:0型文法、1型文法、2型文法和3型文法,且其中的每一個都是其前者的特殊情況。2型文法(或上下文無關文法)被證明是程式語言中最有用的,而且今天它已代表著程式語言結構的標準方式。分析問題(parsing problem,用于上下文無關文法識別的有效演算法)的研究是在60年代和70年代,它相當完善的解決了這個問題。它已是編譯原理中的一個標準部分。

編譯器編譯器

有限狀態自動機(Finite Automation)和正則表達式(Regular Expression)同上下文無關文法緊密相關,它們與Chomsky的3型文法相對應。對它們的研究與Chomsky的研究幾乎同時開始,並且引出了表示程式語言的單詞的符號方式。

人們接著又深化了生成有效目標代碼的方法,這就是最初的編譯器,它們被一直使用至今。人們通常將其稱為最佳化技術(Optimization Technique),但因其從未真正地得到過被最佳化了的目標代碼而僅僅改進了它的有效性,因此實際上應稱作代碼改進技術(Code Improvement Technique)。

當分析問題變得好懂起來時,人們就在開發程式上花費了很大的功夫來研究這一部分的編譯器自動構造。這些程式最初被稱為編譯器的編譯器(Compiler-compiler),但更確切地應稱為分析程式生成器(Parser Generator),這是因為它們僅僅能夠自動處理編譯的一部分。這些程式中最著名的是Yacc(Yet Another Compiler-compiler),它是由Steve Johnson在1975年為Unix系統編寫的。類似的,有限狀態自動機的研究也發展了一種稱為掃描程式生成器(Scanner Generator)的工具,Lex(與Yacc同時,由Mike Lesk為Unix系統開發)是這其中的佼佼者。

在20世紀70年代後期和80年代早期,大量的項目都貫註于編譯器其它部分的生成自動化,這其中就包括了代碼生成。這些嘗試並未取得多少成功,這大概是因為操作太復雜而人們又對其不甚了解。

編譯器設計最近的發展包括:首先,編譯器包括了更加復雜演算法的應用程式它用于推斷或簡化程式中的信息;這又與更為復雜的程式語言的發展結合在一起。其中典型的有用于函式語言編譯的Hindley-Milner類型檢查的統一演算法。其次,編譯器已越來越成為基于視窗的互動開發環境(Interactive Development Environment,IDE)的一部分,它包括了編輯器、連線程式調試程式以及項目管理程式。這樣的IDE標準並沒有多少,但是對標準的視窗環境進行開發已成為方向。另一方面,盡管在編譯原理領域進行了大量的研究,但是基本的編譯器設計原理在近20年中都沒有多大的改變,它正迅速地成為電腦科學課程中的中心環節。

在20世紀90年代,作為GNU項目或其它開放原始碼項目標一部分,許多免費編譯器和編譯器開發工具被開發出來。這些工具可用來編譯所有的電腦程式語言。它們中的一些項目被認為是高質量的,而且對現代編譯理論感興趣的人可以很容易的得到它們的免費原始碼。

大約在1999年,SGI公布了他們的一個工業化的並行化最佳化編譯器Pro64的原始碼,後被全世界多個編譯器研究小組用來做研究平台,並命名為Open64Open64的設計結構好,分析最佳化全面,是編譯器高級研究的理想平台。

編譯器相關專業術語:

1.

compiler編譯器;編譯程式

2.

on-line compiler 連線編譯器

3.

precompiler 預編譯器

4.

serial compiler 串列編譯器

5.

system-specific compiler 特殊系統編譯器

6.

Information Presentation Facility Compiler 信息展示設施編譯器

7.

Compiler Monitor System 編譯器監視系統

相關詞條

相關搜尋