IOS

iOSer都知道LLVM（Low Level Virtual Machine）是Xcode自带的编译器，而在LLVM诞生之前，Apple一直依赖另一个开源编译器GCC。随着Apple收购乔布斯的创业公司NextStep，面向对象语言Objective-C正式成为Apple官方的开发语言。由于当时GCC社区开发者未能及时支持OC的新语言特性，加上GCC开发者与Apple在编译器支持模块化调用方面存在分歧，最终让Apple选择分道扬镳，并转头拥抱了另一个开源项目LLVM。 这场"分手"的深层原因其实更加复杂：GCC的GPL许可证要求任何基于GCC的修改都必须开源，这对于Apple这样重视知识产权的公司来说是难以接受的。而且GCC的代码库经过20多年的发展，已经变成了一个高度耦合、难以扩展的庞然大物。Apple需要的是一个能够快速迭代、支持新语言特性、并且可以深度集成到IDE中的现代化编译器。 LLVM起源于2000年，是由美国UIUC大学的Chris Lattner博士发起，Chris Lattner也是后来的Swift之父。最初LLVM是Chris Lattner的硕士论文项目，旨在构建一个"终身代码优化系统"（Lifelong Program Analysis & Transformation），可以在编译时、链接时、运行时甚至闲置时对代码进行持续优化。这个大胆的想法吸引了Apple的注意。 在Apple的资助下，LLVM得到了飞速的发展。2005年，Apple雇用了Chris Lattner，并组建了专门的LLVM开发团队。同时始于2007开发的Clang，因编译速度快、占内存少、错误诊断信息友好、代码质量高，最终替代笨重的GCC成为LLVM的新前端。Clang的编译速度比GCC快3倍，内存占用减少5倍，这对于大型项目的编译体验提升是巨大的。更重要的是，Clang从设计之初就考虑了IDE集成，提供了丰富的API供开发工具调用，这为Xcode的代码补全、实时错误检测、重构等功能提供了基础。 LLVM和Clang不断完善功能的同时，也在Apple的MacOS和Xcode IDE中得到工业级的应用和推广。2013年，Apple正式宣布废弃GCC，LLVM/Clang成为Xcode的默认编译器。在与Apple的相互成就中，LLVM一跃成为了最领先的开源编译器之一，目前已被Google（用于Android NDK）、Intel、AMD、NVIDIA等科技巨头广泛采用。 LLVM设计理念 与GCC不同，LLVM设计之初就注重模块化和可扩展性，这是一种设计哲学的根本性差异。比如LLVM的优化器，它支持开发者选择Pass的类型和执行顺序，提供基于模块或库的可组装能力。每个Pass都是一个独立的转换单元，可以单独测试、单独优化、单独替换。相对之下，GCC的优化器则是由大量高度耦合的代码组成，很难进行拆分和选择性使用。GCC的优化passes之间存在隐式依赖，修改一个pass可能影响其他多个pass的行为。 模块化的设计理念还体现在LLVM的三段式架构设计中：LLVM通过Libraries collection完美实现了传统编译器想要的编译前端、编译优化器和编译后端三个核心部件，并且通过中间表示（IR）作为各个部件之间的接口。这种设计带来了几个关键优势： 编译前端（Frontend）：负责将各种高级语言源代码转换为LLVM中间表示（IR）。不同的语言可以有不同的前端实现，比如Clang处理C/C++/Objective-C，Swift前端处理Swift语言，Rust前端处理Rust语言。前端的主要任务包括词法分析、语法分析、语义分析、类型检查，最终生成抽象语法树（AST）并将其降低（Lower）为LLVM IR。 编译优化器（Optimizer）：对中间表示进行各种优化，以提高代码性能。LLVM的优化器采用Pass-based架构，每个Pass负责一种特定的优化。优化可以分为多个层次：函数内优化（Intra-procedural）、过程间优化（Inter-procedural）、全局优化（Whole Program）。LLVM提供了超过100个内置Pass，并且支持用户自定义Pass。 编译后端（Backend）：将优化后的中间表示转换为目标机器的代码。后端需要完成指令选择（Instruction Selection）、寄存器分配（Register Allocation）、指令调度（Instruction Scheduling）等任务。LLVM通过TableGen工具和目标描述文件（.td）来描述不同架构的特性，使得添加新的目标平台变得相对容易。 通过三段式的架构设计，LLVM可以通过灵活切换不同编程语言的前端实现，转化成通用的中间表示，并通过编译后端进行本机编译或者交叉编译适配成目标机器代码，从而实现了高可扩展性。LLVM能够快速支持各种新的编程语言，主要得益于三段式架构的高可扩展性。 这种架构的数学模型可以表示为：如果有M种源语言和N种目标架构，传统编译器需要M×N个编译器实现，而LLVM只需要M个前端+N个后端。这种O(M+N)的复杂度远低于O(M×N)，大大降低了开发和维护成本。 更重要的是，LLVM IR作为中间层，提供了一个稳定的契约接口。前端开发者不需要了解后端的实现细节，后端开发者也不需要了解各种语言的语法特性。这种解耦使得编译器的各个部分可以并行开发和演进。 LLVM架构 传统编译器的三段式架构： 编译前端（Frontend）通过词法、语法、语义一系列分析，构建抽象语法树（AST），AST可以转换成某种中间表示（IR），作为编译优化器（Optimizer）的输入。编译优化器负责对中间代码进行优化，比如无用代码消除（Dead Code Elimination）、冗余指令合并（Common Subexpression Elimination）、函数内联（Function Inlining）等，以提升代码运行时性能。编译优化器输入IR，最终输出是优化过的IR。经过编译优化器（Optimizer）优化后的IR经过编译后端（Backend）转换成目标平台的机器码。 这个过程中，词法分析（Lexical Analysis）将源代码转换为token流，语法分析（Syntax Analysis）根据语言的文法规则构建语法树，语义分析（Semantic Analysis）进行类型检查、作用域解析等工作。这些步骤在编译原理中被称为编译器的"前端工作"。 通过这种组件化的设计，任何编程语言的编译器只要实现了上述3个部件，就能够把对应语言编写的源代码编译成目标平台可运行的机器代码。 于是支持多语言多平台的新架构被提出： 上述新架构支持不同的编程语言生成统一的中间表示（IR），新语言只用实现一个新的编译前端（Frontend），编译优化器（Optimizer）和编译后端（Backend）则可以复用。这种架构的核心思想是"一次编写，多次复用"（Write Once, Reuse Many Times）。 在现存的编译器中，JVM、.Net虚拟机提供了定义良好的中间表示字节码，理论上任意语言只要实现编译前端，支持把源代码转成字节码就可以使用JVM或者.Net虚拟机。但是运行时强制JIT编译、GC等机制并不适合像C这样的系统级编程语言。JVM和.Net的设计目标是托管环境（Managed Environment），它们假设有一个运行时系统来管理内存、处理异常、提供安全检查。这对于C/C++这种需要手动管理内存、直接操作硬件的语言来说是不合适的。 而另一个新架构的代表GCC，则因为早期设计中存在的耦合问题比如编译后端（Backend）需要遍历编译前端（Frontend）的AST生成调试信息，编译前端（Frontend）生成编译后端（Backend）的数据结构，以及全局变量和数据结构的滥用，导致三大编译组件耦合，代码复用性较差。GCC的这些设计缺陷是历史包袱，很难通过重构来解决，因为数百万行的代码已经基于这些假设编写。 LLVM在实现三段式架构中，汲取了GCC的教训，在设计中采用了严格的模块化设计，整个编译器由一系列可复用的库组成。这些库包括： libLLVMCore：核心IR和基础数据结构 libLLVMAnalysis：各种分析pass（控制流分析、数据流分析、别名分析等） libLLVMTransform：各种优化pass（常量折叠、循环优化、内联等） libLLVMCodeGen：代码生成框架 libLLVMTarget：目标机器描述 libLLVMSupport：通用工具和基础设施 每个库都有清晰的接口定义和职责划分，库之间的依赖关系是单向的、非循环的。这种设计使得开发者可以只链接需要的库，减少最终可执行文件的大小。例如，如果你只需要分析LLVM IR而不需要生成机器码，就可以只链接分析相关的库。 LLVM的架构体现了软件工程中的几个重要原则： 关注点分离（Separation of Concerns）：每个组件只关注自己的职责 接口与实现分离：通过IR作为稳定的接口，隔离前端和后端 开放封闭原则：对扩展开放（可以添加新的Pass、新的前端、新的后端），对修改封闭（不需要修改核心代码） LLVM IR LLVM IR（Intermediate Representation）是LLVM整个架构的核心，它是一种强类型的、SSA（Static Single Assignment）形式的低级虚拟指令集。LLVM IR有三种等价的表示形式： ...