LLVM编译器优化与应用示例
从LLVM IR 来看编译器“优化”都在做些什么（release）
从LLVM IR 来看编译器“优化”都在做些什么（release）
这些东西可以讲很深，但今天只会带大家看些简单的LLVM IR跟 组合语言，并且举一些例子来讲 编译器”优化” 在做些什么。今天的示例会以Rust 为主，因为Rust 编译器的核心是建立在LLVM 之上，所以也支持编译成LLVM IR。虽然如此，就算你完全不了解LLVM 跟Rust 也还是可以读，因为今天会从LLVM 是啥开始讲，而且用到的Rust 语法也超超简单。
LLVM
LLVM 的命名源自于Low Level Virtual Machine 的缩写，但随着专案发展，现在的LLVM 跟虚拟机已经没太大的关系，而是变成一系列编译器工具链的组合，其中也包含今天的LLVM IR 跟各种IR Optimizer
LLVM IR
LLVM IR(Intermediate Representation) 直翻是「中间表达式」，说白话点他就是一种比较低阶的程式语言（大概介于C 跟组合语言之间）。一个简单的add function 用LLVM IR 写起来就像这样，语法稍微啰嗦了点，但还算好读（分号后面是我的注解）
从这范例可以看出LLVM IR 有个特点，就是IR 会把每个步骤切得很细，而且也没有任何语法糖。像我们平常会直接写return x + y，但因为在LLVM IR 中相加跟return 是两个步骤，所以一定要写成两行。
Rust 的编译过程
接着来说说Rust 是怎么编译的：因为Rust 是高阶语言，要直接编译成最低阶的Assembly 并不容易，所以Rust 编译会分成两个阶段，首先是「把原始码编译成IR」，接着才是「从IR 产生Assembly」
把原始码编译成LLVM IR
下了指令 cargo build --release 之后，Rust 编译器会把代码，经过第一阶段编译，生成比较低阶的LLVM IR
此外，Rust 也会在这个阶段进行第一次 优化，像上图原始码中的 let (x, y) = (10, 20) 其实是不需要的，直接呼叫 let z = add(10, 20) 就可以了，所以编译器就会生出%z = call i32 @add(i32 10, i32 20)
从LLVM IR 产生Assembly
有了第一阶段产生的LLVM IR，编译器接着会把IR 转成更低阶的组合语言。在组合语言（汇编）中，除了一个指令只能一个动作之外，就连变量、函式要放在什么位址都必须清楚的写出来，所以会比IR 更啰唆一些
像上图中数字10 跟20 就是放在 EDI 跟 ESI 两个register 里面，add 跟print 两个函式则是在 0x5200 及0x51a0
编译器”优化”在做些什么？
对LLVM IR 有初步的了解后，接着就要进入今天的主题：介绍几种常见的编译器”优化”方法
所谓的”优化”就是在不影响结果的前提下，尽量减少所需的资源（运算时间、变量空间等等），像先前提到的删掉不需要的 let (x, y) = (10, 20) 就是一例
1. Constant Folding
平常写程式时，程式码中多少会有一些常数运算，而Constant Folding 就是在编译期间先把常数算好。
像下图的 const_fold 就是固定回传20 * 50 + 80，这时如果是用开发模式编译的话，编译器就会照你写的程式码产生IR：先是把 20 * 50 存到变量%1，接着再算出b = %1 + 10。整个过程需要 两个变量 以及 两次运算
但 20 * 50 + 80 开源直接算出来啊，有必要每次呼叫function 都算一次吗？所以如果用release 模式编译的话，生出来的IR 就会直接回传1080，这就是Constant Folding
以上是整数运算的情况，若像下面小数的例子，常数值 5.8/π² 算出来大约是0.5876628651255591。那编译器也会帮你算好，并且转成IEEE 754 浮点数格式 存在内存里面，程式执行时就会直接拿来用
有了Constant Folding 后，程式中的常数运算写得多复杂都没差，反正编译器会预先帮你算出来，程式执行时也不用再另外花时间。
2. Constant Propagation
单纯的Constant Folding 大家可能觉得没什么，但接着要讲的Constant Propagation 真的很猛，他会把常数一直往下推到后续的程式码，并且尽可能地简化判断式
光用讲的有点抽象，直接看例子吧！
这边的例子 f(x: i32) 是一个函数，他接受一个整数x，经过一连串运算后输出另一个整数。值得一提的是这函数里面有用到 循环 还有if，所以分析起来会比较复杂
经过编译器的”优化”（因为b 跟c 都是常数可以一直往下推），最后左边那一大串程式码会变成右边的IR
不对啊这IR 也太短了吧！而且读一下会发现他不就是在算 222x + 282 吗？你说这会跟原本那么长的f(x) 一样？
没错，编译器的意思就是：「不管你输入的x 是多少，f(x)的值一定就是222x + 282」，虽然看起来有点神奇，但反正我是信了
仔细分析一下，原本的程式码需要很多变量空间还有一大堆运算（毕竟还有循环），但”优化”后变成只需要 三个变量，进行 一次乘法、一次加法，整个过程可能快了十倍有吧
3. Multiplication and Division Optimization
大家应该多少听过，因为电脑在储存整数时是采用二进制，所以 乘2 跟除2 可以用左移跟右移一格 来取代，而且shift 对CPU 来讲很简单，所以做起来会比乘法快很多
看下图，因为左边例子中的8 是2³，而16 是2⁴，所以 x * 8 会被”优化”成x << 3，而 x / 16 则是变成x >> 4
但想也知道哪有运气那么好的，每次乘数跟除数的都是2 的次方。如果遇到乘30，或是除以3 这类的整数该怎么办呢？
像乘30 这种情况，因为30 离32(=2⁵) 很近，所以编译器会把 x * 30 改成(x << 5) — x — x（下图的组语），虽然步骤多了点，但因为 左移 跟 减法 的速度都很快，所以还是比直接乘30 来得快
除以3 的话，因为 除法比乘法慢非常非常多，所以编译器会把 x / 3 改成(x * 2863311531) >> 33（下图的组语）
我知道一定会有人觉得2863311531 这数字是什么鬼，怎么可能这样算一算刚好就是x / 3，所以下图我用Python 试了几个数字，给大家看看 (x * 2863311531) >> 33 确实等于x / 3
其实不光是3，任何整数除法 都可以被转换成 乘法再右移，不过怎么转的有点复杂，总之交给编译器就是了～
4. Function Inlining
平常coding 时，一般会将各个功能独立成一个个function。但对CPU 来说，每次呼叫function 都需要额外的开销（复制参数、建立Stack 等等），所以若是function 的内容不长，就会直接被编译器展开
以下面的例子来说，左边Rust 的 sub(x, y) 是借着 add(x, -y) 做到的，所以从生出来的IR 也可以看出 sub(x, y) 中确实呼叫了add(x, 0-y)
但经过”优化”后，因为 add 的内容太短，所以编译器会直接把 add 展开成一个加号，于是 sub 的内容就变成x + (-y)，再简化一下就x — y
从这例子可以知道，虽然在 sub 里面呼叫 add 表面上会花比较多时间，但因为编译器很聪明，所以”优化”后完全不影响效能，只要可读性ok 的话这样写也没什么不好
5. Strength reduction
接下来四个都是有关循环的优化，毕竟写程式不能没有循环，如果哪个语言没有循环，那我还真的不知道他能做什么XD
而这边的Strength reduction 说白话点就是 把循环中的运算强度降低，譬如说乘法变成加法、除法变成乘法，虽然每一圈的速度可能只会提升一点点，但因为循环都会执行很多次，累积起来的效能提升也是不少
像下面这个 loop_print 总共会跑一百次print(i * 500)（看不习惯Rust 可以看右边的JS，两边是等价的），也就是说，CPU 跑完整个循环总共需要做100 次i * 500，也就是100 次乘法
但因为CPU 做加法比做乘法快，所以编译器会把这段程式码编译成下图左边的LLVM IR，翻译成JS 的话就长成右边那样。
比较一下优化前后的JS，会发现优化之后（下图右边）就没有 i * 500 了，取而代之的是每圈结束后都要执行的i = i + 500，那这样真的会跟原本的循环一样吗？
大家可以自己在脑袋里跑跑看，就会发现两边都是先执行print(0)，接着就是print(500)、print(1000)一直到最后的print(49500)，所以他们真的是一样的。
6. Canonicalize Induction Variables
除了上面提到可以加快每一圈的速度之外，编译器也会进行一些推理帮你 简化判断条件
譬如下面这个例子（左边Rust、右边JS，看你习惯看哪边），x 会从0 开始往上加，如果x 满足x * x < 10000，那就会继续执行print(x)，否则就跳出循环
聪明的你应该马上就会想到 x * x < 10000 不就是 x < 100 吗？
是的，所以编译器产生出来的IR 也是只判断x < 100，这样就可以少做好几次乘法啦
如果把上面的IR 翻成JS，那就长得像下图右边那样，循环跑一百次的话，跟原本的JS 比起来就省了一百次的乘法运算，超棒的
7. Loop Unrolling
Loop Unrolling 是一种牺牲程式大小以换取效率的一种”优化”方式，简单来说就是把loop 展开
下面这个例子是从 print(0) 跑到print(99)，非常简单。但如果程式照着循环跑的话，就要一直重复做 i++ 跟确认 i < 100 有没有满足，累积起来也是要花不少时间
所以如果次数不多的话，编译器就会直接帮你把循环展开，你要一百次，我就给你一百次！最后生出来的IR 就长这样
Loop Unrolling 除了可以省去 i++ 跟判断 i < 100 的时间之外，也可以降低CPU 在branch prediction出错的次数。虽然把程式码都展开会让编译出来的执行档很肥大，但反正储存空间很便宜，程式跑起来的效能才是重点
8. Sum-Product Optimization
最后一个Sum-Product 是我觉得最厉害的”优化”技术之一，平常在写 1 + 2 + 3 + ... + x 时，我们可能会这样写（左右边等价）
这样写起来简单，读起来也满直观的。但有个缺点，就是假如x 是1000，那CPU 为了要把sum 算出来就要做1000 次加法，更不用说x 值更大的情况了
为了减少这种 有规律性的大量运算，编译器会自动进行公式推导，像 sum_to_x 经过编译后会变成return x(x-1)/2 + x，再稍微简化一下就会变成小学教的梯形面积公式x(x+1)/2
虽然编译器推导出的 sum_to_x(x) = x(x-1)/2 + x 还有进步空间，但比起用循环整个跑过一遍，x(x+1)/2 + x只需要2 个加法、1 个右移跟1 个乘法，而且不管x 多大都是如此，（x 够大的话甚至可以省下数万次加法运算），所以已经进步超多了
除了 sum_to_x 这种等差数列之外，其他只要有规律性的运算也都可以，像下面这个 square_sum_to_x 就是做1²+2²+3²+…+x²，虽然他推导出来的IR 也比较长（我懒得简化他了），但可以确定的是里面只会用到加法、乘法跟右移，而且跟 sum_to_x 一样不会因为x 变大而增加运算量
我觉得这个”优化”很厉害的原因是：我甚至不用告诉编译器我的数列有什么规律，他就会自己想办法导出一个公式来，虽然这个公式还有进步空间，但编译器已经把时间复杂度从O(n) 降到O(1)，这代表以后写循环不用再担心因为x 很大而跑很久，只要放心写就可以了
总结
看到这边，我想大家都对编译器”优化”有些认识了，若大家有兴趣我以后再补充一些更进阶的。
另外，虽然这篇文章是以Rust 跟LLVM 为主，但编译器”优化”并非LLVM Compiler 的专利，现在各个语言只要发展够成熟了一定都会有类似的机制，所以即便不是LLVM based 的编译器也能享有这些”优化”技术
直译式语言方面，现在的Python、NodeJS runtime 也都有所谓的JIT(Just In Time) Compilation 了，JIT 会在程式执行的期间进行即时”优化”，虽然速度可能还是比不上编译式语言，但比起以前也是很大的进步了。
使用 LLVM 实现一个简单编译器
1. 目标
这个系列来自 LLVM 的Kaleidoscope 教程，增加了我对代码的注释以及一些理解，修改了部分代码。现在开始我们要使用 LLVM 实现一个编译器，完成对如下代码的编译运行。
# 斐波那契数列函数定义
def fib(x)
if x < 3 then
1
else
fib(x - 1) + fib(x - 2)
fib(40)
# 函数声明
extern sin(arg)
extern cos(arg)
extern atan2(arg1 arg2)
# 声明后的函数可调用
atan2(sin(.4), cos(42))
这个语言称为 Kaleidoscope, 从代码可以看出，Kaleidoscope 支持函数、条件分支、数值计算等语言特性。为了方便，Kaleidoscope 唯一支持的数据类型为 float64, 所以示例中的所有数值都是 float64。
2. Lex
编译的第一个步骤称为 Lex, 词法分析，其功能是将文本输入转为多个 tokens, 比如对于如下代码：
atan2(sin(.4), cos(42))
就应该转为：
tokens = ["atan2", "(", "sin", "(", .4, ")", ",", "cos", "(", 42, ")", ")"]
接下来我们使用 C++来写这个 Lexer, 由于这是教程代码，所以并没有使用工程项目应有的设计：
// 如果不是以下5种情况，Lexer返回[0-255]的ASCII值，否则返回以下枚举值
enum Token {
TOKEN_EOF = -1, // 文件结束标识符
TOKEN_DEF = -2, // 关键字def
TOKEN_EXTERN = -3, // 关键字extern
TOKEN_IDENTIFIER = -4, // 名字
TOKEN_NUMBER = -5 // 数值
};
std::string g_identifier_str; // Filled in if TOKEN_IDENTIFIER
double g_number_val; // Filled in if TOKEN_NUMBER
// 从标准输入解析一个Token并返回
int GetToken() {
static int last_char = ' ';
// 忽略空白字符
while (isspace(last_char)) {
last_char = getchar();
}
// 识别字符串
if (isalpha(last_char)) {
g_identifier_str = last_char;
while (isalnum((last_char = getchar()))) {
g_identifier_str += last_char;
}
if (g_identifier_str == "def") {
return TOKEN_DEF;
} else if (g_identifier_str == "extern") {
return TOKEN_EXTERN;
} else {
return TOKEN_IDENTIFIER;
}
}
// 识别数值
if (isdigit(last_char) || last_char == '.') {
std::string num_str;
do {
num_str += last_char;
last_char = getchar();
} while (isdigit(last_char) || last_char == '.');
g_number_val = strtod(num_str.c_str(), nullptr);
return TOKEN_NUMBER;
}
// 忽略注释
if (last_char == '#') {
do {
last_char = getchar();
} while (last_char != EOF && last_char != '\n' && last_char != '\r');
if (last_char != EOF) {
return GetToken();
}
}
// 识别文件结束
if (last_char == EOF) {
return TOKEN_EOF;
}
// 直接返回ASCII
int this_char = last_char;
last_char = getchar();
return this_char;
}
使用 Lexer 对之前的代码处理结果为（使用空格分隔 tokens）：
def fib ( x ) if x < 3 then 1 else fib ( x - 1 ) + fib ( x - 2 ) fib ( 40 ) extern sin ( arg )
extern cos ( arg ) extern atan2 ( arg1 arg2 ) atan2 ( sin ( 0.4 ) , cos ( 42 ) )
Lexer 的输入是代码文本，输出是有序的一个个 Token。
3. Parser
编译的第二个步骤称为 Parse, 其功能是将 Lexer 输出的 tokens 转为 AST (Abstract Syntax Tree)。我们首先定义表达式的 AST Node：
// 所有 `表达式` 节点的基类
class ExprAST {
public:
virtual ~ExprAST() {}
};
// 字面值表达式
class NumberExprAST : public ExprAST {
public:
NumberExprAST(double val) : val_(val) {}
private:
double val_;
};
// 变量表达式
class VariableExprAST : public ExprAST {
public:
VariableExprAST(const std::string& name) : name_(name) {}
private:
std::string name_;
};
// 二元操作表达式
class BinaryExprAST : public ExprAST {
public:
BinaryExprAST(char op, std::unique_ptr
std::unique_ptr
: op_(op), lhs_(std::move(lhs)), rhs_(std::move(rhs)) {}
private:
char op_;
std::unique_ptr
std::unique_ptr
};
// 函数调用表达式
class CallExprAST : public ExprAST {
public:
CallExprAST(const std::string& callee,
std::vector
: callee_(callee), args_(std::move(args)) {}
private:
std::string callee_;
std::vector
};
为了便于理解，关于条件表达式的内容放在后面，这里暂不考虑。接着我们定义函数声明和函数的 AST Node：
// 函数接口
class PrototypeAST {
public:
PrototypeAST(const std::string& name, std::vector
: name_(name), args_(std::move(args)) {}
const std::string& name() const { return name_; }
private:
std::string name_;
std::vector
};
// 函数
class FunctionAST {
public:
FunctionAST(std::unique_ptr
std::unique_ptr
: proto_(std::move(proto)), body_(std::move(body)) {}
private:
std::unique_ptr
std::unique_ptr
};
接下来我们要进行 Parse, 在正式 Parse 前，定义如下函数方便后续处理：
int g_current_token; // 当前待处理的Token
int GetNextToken() {
return g_current_token = GetToken();
}
首先我们处理最简单的字面值：
// numberexpr ::= number
std::unique_ptr
auto result = std::make_unique
GetNextToken();
return std::move(result);
}
这段程序非常简单，当前 Token 为 TOKEN_NUMBER 时被调用，使用 g_number_val，创建一个 NumberExprAST, 因为当前 Token 处理完毕，让 Lexer 前进一个 Token, 最后返回。接着我们处理圆括号操作符、变量、函数调用：
// parenexpr ::= ( expression )
std::unique_ptr
GetNextToken(); // eat (
auto expr = ParseExpression();
GetNextToken(); // eat )
return expr;
}
/// identifierexpr
/// ::= identifier
/// ::= identifier ( expression, expression, ..., expression )
std::unique_ptr
std::string id = g_identifier_str;
GetNextToken();
if (g_current_token != '(') {
return std::make_unique
} else {
GetNextToken(); // eat (
std::vector
while (g_current_token != ')') {
args.push_back(ParseExpression());
if (g_current_token == ')') {
break;
} else {
GetNextToken(); // eat ,
}
}
GetNextToken(); // eat )
return std::make_unique
}
}
上面代码中的 ParseExpression 与 ParseParenExpr 等存在循环依赖，这里按照其名字理解意思即可，具体实现在后面。我们将 NumberExpr、ParenExpr、IdentifierExpr 视为 PrimaryExpr, 封装 ParsePrimary 方便后续调用：
/// primary
/// ::= identifierexpr
/// ::= numberexpr
/// ::= parenexpr
std::unique_ptr
switch (g_current_token) {
case TOKEN_IDENTIFIER: return ParseIdentifierExpr();
case TOKEN_NUMBER: return ParseNumberExpr();
case '(': return ParseParenExpr();
default: return nullptr;
}
}
接下来我们考虑如何处理二元操作符，为了方便，Kaleidoscope 只支持 4 种二元操作符，优先级为：
'<' < '+' = '-' < '*'
即'<'的优先级最低，而'*'的优先级最高，在代码中实现为：
// 定义优先级
const std::map
{'<', 10}, {'+', 20}, {'-', 20}, {'*', 40}};
// 获得当前Token的优先级
int GetTokenPrecedence() {
auto it = g_binop_precedence.find(g_current_token);
if (it != g_binop_precedence.end()) {
return it->second;
} else {
return -1;
}
}
对于带优先级的二元操作符的解析，我们会将其分成多个片段。比如一个表达式：
a + b + (c + d) * e * f + g
首先解析 a, 然后处理多个二元组：
[+, b], [+, (c+d)], [*, e], [*, f], [+, g]
即，复杂表达式可以抽象为一个 PrimaryExpr 跟着多个[binop, PrimaryExpr]二元组，注意由于圆括号属于 PrimaryExpr, 所以这里不需要考虑怎么特殊处理(c+d)，因为会被 ParsePrimary 自动处理。
// parse
// lhs [binop primary] [binop primary] ...
// 如遇到优先级小于min_precedence的操作符，则停止
std::unique_ptr
std::unique_ptr
while (true) {
int current_precedence = GetTokenPrecedence();
if (current_precedence < min_precedence) {
// 如果当前token不是二元操作符，current_precedence为-1, 结束任务
// 如果遇到优先级更低的操作符，也结束任务
return lhs;
}
int binop = g_current_token;
GetNextToken(); // eat binop
auto rhs = ParsePrimary();
// 现在我们有两种可能的解析方式
// * (lhs binop rhs) binop unparsed
// * lhs binop (rhs binop unparsed)
int next_precedence = GetTokenPrecedence();
if (current_precedence < next_precedence) {
// 将高于current_precedence的右边的操作符处理掉返回
rhs = ParseBinOpRhs(current_precedence + 1, std::move(rhs));
}
lhs =
std::make_unique
// 继续循环
}
}
// expression
// ::= primary [binop primary] [binop primary] ...
std::unique_ptr
auto lhs = ParsePrimary();
return ParseBinOpRhs(0, std::move(lhs));
}
最复杂的部分完成后，按部就班把 function 写完：
// prototype
// ::= id ( id id ... id)
std::unique_ptr
std::string function_name = g_identifier_str;
GetNextToken();
std::vector
while (GetNextToken() == TOKEN_IDENTIFIER) {
arg_names.push_back(g_identifier_str);
}
GetNextToken(); // eat )
return std::make_unique
}
// definition ::= def prototype expression
std::unique_ptr
GetNextToken(); // eat def
auto proto = ParsePrototype();
auto expr = ParseExpression();
return std::make_unique
}
// external ::= extern prototype
std::unique_ptr
GetNextToken(); // eat extern
return ParsePrototype();
}
最后，我们为顶层的代码实现匿名 function：
// toplevelexpr ::= expression
std::unique_ptr
auto expr = ParseExpression();
auto proto = std::make_unique
return std::make_unique
}
顶层代码的意思是放在全局而不放在 function 内定义的一些执行语句比如变量赋值，函数调用等。编写一个 main 函数：
int main() {
GetNextToken();
while (true) {
switch (g_current_token) {
case TOKEN_EOF: return 0;
case TOKEN_DEF: {
ParseDefinition();
std::cout << "parsed a function definition" << std::endl;
break;
}
case TOKEN_EXTERN: {
ParseExtern();
std::cout << "parsed a extern" << std::endl;
break;
}
default: {
ParseTopLevelExpr();
std::cout << "parsed a top level expr" << std::endl;
break;
}
}
}
return 0;
}
编译：
clang++ main.cpp `llvm-config --cxxflags --ldflags --libs`
输入如下代码进行测试：
def foo(x y)
x + foo(y, 4)
def foo(x y)
x + y
y
extern sin(a)
得到输出：
parsed a function definition
parsed a function definition
parsed a top level expr
parsed a extern
至此成功将 Lexer 输出的 tokens 转为 AST。
4. Code Generation to LLVM IR
终于开始 codegen 了，首先我们 include 一些 LLVM 头文件，定义一些全局变量：
#include "llvm/ADT/APFloat.h"
#include "llvm/ADT/STLExtras.h"
#include "llvm/IR/BasicBlock.h"
#include "llvm/IR/Constants.h"
#include "llvm/IR/DerivedTypes.h"
#include "llvm/IR/Function.h"
#include "llvm/IR/IRBuilder.h"
#include "llvm/IR/LLVMContext.h"
#include "llvm/IR/LegacyPassManager.h"
#include "llvm/IR/Module.h"
#include "llvm/IR/Type.h"
#include "llvm/IR/Verifier.h"
#include "llvm/Support/TargetSelect.h"
#include "llvm/Target/TargetMachine.h"
#include "llvm/Transforms/InstCombine/InstCombine.h"
#include "llvm/Transforms/Scalar.h"
#include "llvm/Transforms/Scalar/GVN.h"
// 记录了LLVM的核心数据结构，比如类型和常量表，不过我们不太需要关心它的内部
llvm::LLVMContext g_llvm_context;
// 用于创建LLVM指令
llvm::IRBuilder<> g_ir_builder(g_llvm_context);
// 用于管理函数和全局变量，可以粗浅地理解为类c++的编译单元(单个cpp文件)
llvm::Module g_module("my cool jit", g_llvm_context);
// 用于记录函数的变量参数
std::map
然后给每个 AST Class 增加一个 CodeGen 接口：
// 所有 `表达式` 节点的基类
class ExprAST {
public:
virtual ~ExprAST() {}
virtual llvm::Value* CodeGen() = 0;
};
// 字面值表达式
class NumberExprAST : public ExprAST {
public:
NumberExprAST(double val) : val_(val) {}
llvm::Value* CodeGen() override;
private:
double val_;
};
首先实现 NumberExprAST 的 CodeGen：
llvm::Value* NumberExprAST::CodeGen() {
return llvm::ConstantFP::get(g_llvm_context, llvm::APFloat(val_));
}
由于 Kaleidoscope 只有一种数据类型 FP64, 所以直接调用 ConstantFP 传入即可，APFloat 是 llvm 内部的数据结构，用于存储 Arbitrary Precision Float. 在 LLVM IR 中，所有常量是唯一且共享的，所以这里使用的 get 而不是 new/create。
然后实现 VariableExprAST 的 CodeGen：
llvm::Value* VariableExprAST::CodeGen() {
return g_named_values.at(name_);
}
由于 Kaleidoscope 的 VariableExpr 只存在于函数内对函数参数的引用，我们假定函数参数已经被注册到 g_name_values 中，所以 VariableExpr 直接查表返回即可。
接着实现 BinaryExprAST, 分别 codegen lhs, rhs 然后创建指令处理 lhs, rhs 即可：
llvm::Value* BinaryExprAST::CodeGen() {
llvm::Value* lhs = lhs_->CodeGen();
llvm::Value* rhs = rhs_->CodeGen();
switch (op_) {
case '<': {
llvm::Value* tmp = g_ir_builder.CreateFCmpULT(lhs, rhs, "cmptmp");
// 把 0/1 转为 0.0/1.0
return g_ir_builder.CreateUIToFP(
tmp, llvm::Type::getDoubleTy(g_llvm_context), "booltmp");
}
case '+': return g_ir_builder.CreateFAdd(lhs, rhs, "addtmp");
case '-': return g_ir_builder.CreateFSub(lhs, rhs, "subtmp");
case '*': return g_ir_builder.CreateFMul(lhs, rhs, "multmp");
default: return nullptr;
}
}
实现 CallExprAST：
llvm::Value* CallExprAST::CodeGen() {
// g_module中存储了全局变量/函数等
llvm::Function* callee = g_module.getFunction(callee_);
std::vector
for (std::unique_ptr
args.push_back(arg_expr->CodeGen());
}
return g_ir_builder.CreateCall(callee, args, "calltmp");
}
实现 ProtoTypeAST：
llvm::Value* PrototypeAST::CodeGen() {
// 创建kaleidoscope的函数类型 double (doube, double, ..., double)
std::vector
llvm::Type::getDoubleTy(g_llvm_context));
// 函数类型是唯一的，所以使用get而不是new/create
llvm::FunctionType* function_type = llvm::FunctionType::get(
llvm::Type::getDoubleTy(g_llvm_context), doubles, false);
// 创建函数, ExternalLinkage意味着函数可能不在当前module中定义，在当前module
// 即g_module中注册名字为name_, 后面可以使用这个名字在g_module中查询
llvm::Function* func = llvm::Function::Create(
function_type, llvm::Function::ExternalLinkage, name_, &g_module);
// 增加IR可读性，设置function的argument name
int index = 0;
for (auto& arg : func->args()) {
arg.setName(args_[index++]);
}
return func;
}
实现 FunctionAST：
llvm::Value* FunctionAST::CodeGen() {
// 检查函数声明是否已完成codegen(比如之前的extern声明), 如果没有则执行codegen
llvm::Function* func = g_module.getFunction(proto_->name());
if (func == nullptr) {
func = proto_->CodeGen();
}
// 创建一个Block并且设置为指令插入位置。
// llvm block用于定义control flow graph, 由于我们暂不实现control flow, 创建
// 一个单独的block即可
llvm::BasicBlock* block =
llvm::BasicBlock::Create(g_llvm_context, "entry", func);
g_ir_builder.SetInsertPoint(block);
// 将函数参数注册到g_named_values中，让VariableExprAST可以codegen
g_named_values.clear();
for (llvm::Value& arg : func->args()) {
g_named_values[arg.getName()] = &arg;
}
// codegen body然后return
llvm::Value* ret_val = body_->CodeGen();
g_ir_builder.CreateRet(ret_val);
llvm::verifyFunction(*func);
return func;
}
至此，所有 codegen 都已完成，修改 main：
int main() {
GetNextToken();
while (true) {
switch (g_current_token) {
case TOKEN_EOF: return 0;
case TOKEN_DEF: {
auto ast = ParseDefinition();
std::cout << "parsed a function definition" << std::endl;
ast->CodeGen()->print(llvm::errs());
std::cerr << std::endl;
break;
}
case TOKEN_EXTERN: {
auto ast = ParseExtern();
std::cout << "parsed a extern" << std::endl;
ast->CodeGen()->print(llvm::errs());
std::cerr << std::endl;
break;
}
default: {
auto ast = ParseTopLevelExpr();
std::cout << "parsed a top level expr" << std::endl;
ast->CodeGen()->print(llvm::errs());
std::cerr << std::endl;
break;
}
}
}
return 0;
}
输入测试：
4 + 5
def foo(a b)
a*a + 2*a*b + b*b
foo(2, 3)
def bar(a)
foo(a, 4) + bar(31337)
extern cos(x)
cos(1.234)
得到输出：
parsed a top level expr
define double @0() {
entry:
ret double 9.000000e+00
}
parsed a function definition
define double @foo(double %a, double %b) {
entry:
%multmp = fmul double %a, %a
%multmp1 = fmul double 2.000000e+00, %a
%multmp2 = fmul double %multmp1, %b
%addtmp = fadd double %multmp, %multmp2
%multmp3 = fmul double %b, %b
%addtmp4 = fadd double %addtmp, %multmp3
ret double %addtmp4
}
parsed a top level expr
define double @1() {
entry:
%calltmp = call double @foo(double 2.000000e+00, double 3.000000e+00)
ret double %calltmp
}
parsed a function definition
define double @bar(double %a) {
entry:
%calltmp = call double @foo(double %a, double 4.000000e+00)
%calltmp1 = call double @bar(double 3.133700e+04)
%addtmp = fadd double %calltmp, %calltmp1
ret double %addtmp
}
parsed a extern
declare double @cos(double)
parsed a top level expr
define double @2() {
entry:
%calltmp = call double @cos(double 1.234000e+00)
ret double %calltmp
}
至此，我们已成功将 Parser 输出的 AST 转为 LLVM IR。
5. Optimizer
我们使用上一节的程序处理如下代码：
def test(x)
1 + 2 + x
可以得到：
parsed a function definition
define double @test(double %x) {
entry:
%addtmp = fadd double 3.000000e+00, %x
ret double %addtmp
}
可以看到，生成的指令直接是 1+2 的结果，而没有 1 + 2 的指令，这种自动把常量计算完毕而不是生成加法指令的优化称为 Constant Folding。
在大部分时候仅有这个优化仍然不够，比如如下代码：
def test(x)
(1 + 2 + x) * (x + (1 + 2))
可以得到编译结果：
parsed a function definition
define double @test(double %x) {
entry:
%addtmp = fadd double 3.000000e+00, %x
%addtmp1 = fadd double %x, 3.000000e+00
%multmp = fmul double %addtmp, %addtmp1
ret double %multmp
}
生成了两个加法指令，但最优做法只需要一个加法即可，因为乘法的两边 lhs 和 rhs 是相等的。
这需要其他的优化技术，llvm 以"passes"的形式提供，llvm 中的 passes 可以选择是否启用，可以设置 passes 的顺序。
这里我们对每个函数单独做优化，定义 g_fpm, 增加几个 passes：
llvm::legacy::FunctionPassManager g_fpm(&g_module);
int main() {
g_fpm.add(llvm::createInstructionCombiningPass());
g_fpm.add(llvm::createReassociatePass());
g_fpm.add(llvm::createGVNPass());
g_fpm.add(llvm::createCFGSimplificationPass());
g_fpm.doInitialization();
...
}
在 FunctionAST 的 CodeGen 中增加一句：
llvm::Value* ret_val = body_->CodeGen();
g_ir_builder.CreateRet(ret_val);
llvm::verifyFunction(*func);
g_fpm.run(*func); // 增加这句
return func;
即启动了对每个 function 的优化，接下来测试之前的代码：
parsed a function definition
define double @test(double %x) {
entry:
%addtmp = fadd double %x, 3.000000e+00
%multmp = fmul double %addtmp, %addtmp
ret double %multmp
}
可以看到，和我们期望的一样，加法指令减少到一个。
6. Adding a JIT Compiler
由于 JIT 模式中我们需要反复创建新的 module, 所以我们将全局变量 g_module 改为 unique_ptr。
// 用于管理函数和全局变量，可以粗浅地理解为类c++的编译单元(单个cpp文件)
std::unique_ptr
std::make_unique
为了专注于 JIT，我们可以把优化的 passes 删掉。
修改 ParseTopLevelExpr，给 PrototypeAST 命名为__anon_expr, 让我们后面可以通过这个名字找到它。
// toplevelexpr ::= expression
std::unique_ptr
auto expr = ParseExpression();
auto proto =
std::make_unique
return std::make_unique
}
然后我们从 llvm-project 中拷贝一份代码 llvm/examples/Kaleidoscope/include/KaleidoscopeJIT.h 到本地再 include, 其定义了 KaleidoscopeJIT 类，关于这个类，在后面会做解读，这里先不管。
定义全局变量 g_jit, 并使用 InitializeNativeTarget*函数初始化环境。
#include "KaleidoscopeJIT.h"
std::unique_ptr
int main() {
llvm::InitializeNativeTarget();
llvm::InitializeNativeTargetAsmPrinter();
llvm::InitializeNativeTargetAsmParser();
g_jit.reset(new llvm::orc::KaleidoscopeJIT);
g_module->setDataLayout(g_jit->getTargetMachine().createDataLayout());
...
}
修改 main 处理 top level expr 的代码为：
auto ast = ParseTopLevelExpr();
std::cout << "parsed a top level expr" << std::endl;
ast->CodeGen()->print(llvm::errs());
std::cout << std::endl;
auto h = g_jit->addModule(std::move(g_module));
// 重新创建g_module在下次使用
g_module =
std::make_unique
g_module->setDataLayout(g_jit->getTargetMachine().createDataLayout());
// 通过名字找到编译的函数符号
auto symbol = g_jit->findSymbol("__anon_expr");
// 强转为C函数指针
double (*fp)() = (double (*)())(symbol.getAddress().get());
// 执行输出
std::cout << fp() << std::endl;
g_jit->removeModule(h);
break;
输入：
4 + 5
def foo(a b)
a*a + 2*a*b + b*b
foo(2, 3)
得到输出：
parsed a top level expr
define double @__anon_expr() {
entry:
ret double 9.000000e+00
}
9
parsed a function definition
define double @foo(double %a, double %b) {
entry:
%multmp = fmul double %a, %a
%multmp1 = fmul double 2.000000e+00, %a
%multmp2 = fmul double %multmp1, %b
%addtmp = fadd double %multmp, %multmp2
%multmp3 = fmul double %b, %b
%addtmp4 = fadd double %addtmp, %multmp3
ret double %addtmp4
}
parsed a top level expr
define double @__anon_expr() {
entry:
%calltmp = call double @foo(double 2.000000e+00, double 3.000000e+00)
ret double %calltmp
}
25
可以看到代码已经顺利执行，但现在的实现仍然是有问题的，比如上面的输入，foo 函数的定义和调用是被归在同一个 module 中，当第一次调用完成后，由于我们 removeModule, 第二次调用 foo 会失败。
在解决这个问题之前，我们先把 main 函数内对不同 TOKEN 的处理拆成多个函数，如下：
void ReCreateModule() {
g_module = std::make_unique
g_module->setDataLayout(g_jit->getTargetMachine().createDataLayout());
}
void ParseDefinitionToken() {
auto ast = ParseDefinition();
std::cout << "parsed a function definition" << std::endl;
ast->CodeGen()->print(llvm::errs());
std::cerr << std::endl;
}
void ParseExternToken() {
auto ast = ParseExtern();
std::cout << "parsed a extern" << std::endl;
ast->CodeGen()->print(llvm::errs());
std::cerr << std::endl;
}
void ParseTopLevel() {
auto ast = ParseTopLevelExpr();
std::cout << "parsed a top level expr" << std::endl;
ast->CodeGen()->print(llvm::errs());
std::cout << std::endl;
auto h = g_jit->addModule(std::move(g_module));
// 重新创建g_module在下次使用
ReCreateModule();
// 通过名字找到编译的函数符号
auto symbol = g_jit->findSymbol("__anon_expr");
// 强转为C函数指针
double (*fp)() = (double (*)())(symbol.getAddress().get());
// 执行输出
std::cout << fp() << std::endl;
g_jit->removeModule(h);
}
int main() {
llvm::InitializeNativeTarget();
llvm::InitializeNativeTargetAsmPrinter();
llvm::InitializeNativeTargetAsmParser();
g_jit.reset(new llvm::orc::KaleidoscopeJIT);
g_module->setDataLayout(g_jit->getTargetMachine().createDataLayout());
GetNextToken();
while (true) {
switch (g_current_token) {
case TOKEN_EOF: return 0;
case TOKEN_DEF: ParseDefinitionToken(); break;
case TOKEN_EXTERN: ParseExternToken(); break;
default: ParseTopLevel(); break;
}
}
return 0;
}
为了解决第二次调用 foo 失败的问题，我们需要让 function 和 top level expr 处于不同的 Module, 而处于不同 Module 的话，CallExprAST 的 CodeGen 在当前 module 会找不到 function, 所以需要自动在 CallExprAST 做 CodeGen 时在当前 Module 声明这个函数，即自动地增加 extern, 也就是在当前 Module 自动做对应 PrototypeAST 的 CodeGen.
首先，增加一个全局变量存储从函数名到函数接口的映射，并增加一个查询函数。
std::map
llvm::Function* GetFunction(const std::string& name) {
llvm::Function* callee = g_module->getFunction(name);
if (callee != nullptr) { // 当前module存在函数定义
return callee;
} else {
// 声明函数
return name2proto_ast.at(name)->CodeGen();
}
}
更改 CallExprAST 的 CodeGen, 让其使用上面定义的 GetFuntion：
llvm::Value* CallExprAST::CodeGen() {
llvm::Function* callee = GetFunction(callee_);
std::vector
for (std::unique_ptr
args.push_back(arg_expr->CodeGen());
}
return g_ir_builder.CreateCall(callee, args, "calltmp");
}
更改 FunctionAST 的 CodeGen, 让其将结果写入 name2proto_ast：
llvm::Value* FunctionAST::CodeGen() {
PrototypeAST& proto = *proto_;
name2proto_ast[proto.name()] = std::move(proto_); // transfer ownership
llvm::Function* func = GetFunction(proto.name());
// 创建一个Block并且设置为指令插入位置。
// llvm block用于定义control flow graph, 由于我们暂不实现control flow, 创建
// 一个单独的block即可
llvm::BasicBlock* block =
llvm::BasicBlock::Create(g_llvm_context, "entry", func);
g_ir_builder.SetInsertPoint(block);
// 将函数参数注册到g_named_values中，让VariableExprAST可以codegen
g_named_values.clear();
for (llvm::Value& arg : func->args()) {
g_named_values[arg.getName()] = &arg;
}
// codegen body然后return
llvm::Value* ret_val = body_->CodeGen();
g_ir_builder.CreateRet(ret_val);
llvm::verifyFunction(*func);
return func;
}
修改 ParseExternToken 将结果写入 name2proto_ast：
void ParseExternToken() {
auto ast = ParseExtern();
std::cout << "parsed a extern" << std::endl;
ast->CodeGen()->print(llvm::errs());
std::cerr << std::endl;
name2proto_ast[ast->name()] = std::move(ast);
}
修改 ParseDefinitionToken 让其使用独立 Module：
void ParseDefinitionToken() {
auto ast = ParseDefinition();
std::cout << "parsed a function definition" << std::endl;
ast->CodeGen()->print(llvm::errs());
std::cerr << std::endl;
g_jit->addModule(std::move(g_module));
ReCreateModule();
}
修改完毕，输入测试：
def foo(x)
x + 1
foo(2)
def foo(x)
x + 2
foo(2)
extern sin(x)
extern cos(x)
sin(1.0)
def foo(x)
sin(x) * sin(x) + cos(x) * cos(x)
foo(4)
foo(3)
得到输出：
parsed a function definition
define double @foo(double %x) {
entry:
%addtmp = fadd double %x, 1.000000e+00
ret double %addtmp
}
parsed a top level expr
define double @__anon_expr() {
entry:
%calltmp = call double @foo(double 2.000000e+00)
ret double %calltmp
}
3
parsed a function definition
define double @foo(double %x) {
entry:
%addtmp = fadd double %x, 2.000000e+00
ret double %addtmp
}
parsed a top level expr
define double @__anon_expr() {
entry:
%calltmp = call double @foo(double 2.000000e+00)
ret double %calltmp
}
4
parsed a extern
declare double @sin(double)
parsed a extern
declare double @cos(double)
parsed a top level expr
define double @__anon_expr() {
entry:
%calltmp = call double @sin(double 1.000000e+00)
ret double %calltmp
}
0.841471
parsed a function definition
define double @foo(double %x) {
entry:
%calltmp = call double @sin(double %x)
%calltmp1 = call double @sin(double %x)
%multmp = fmul double %calltmp, %calltmp1
%calltmp2 = call double @cos(double %x)
%calltmp3 = call double @cos(double %x)
%multmp4 = fmul double %calltmp2, %calltmp3
%addtmp = fadd double %multmp, %multmp4
ret double %addtmp
}
parsed a top level expr
define double @__anon_expr() {
entry:
%calltmp = call double @foo(double 4.000000e+00)
ret double %calltmp
}
1
parsed a top level expr
define double @__anon_expr() {
entry:
%calltmp = call double @foo(double 3.000000e+00)
ret double %calltmp
}
1
成功运行，执行正确！代码可以正确解析 sin, cos 的原因在 KaleidoscopeJIT.h 中，截取其寻找符号的代码。
JITSymbol findMangledSymbol(const std::string &Name) {
#ifdef _WIN32
// The symbol lookup of ObjectLinkingLayer uses the SymbolRef::SF_Exported
// flag to decide whether a symbol will be visible or not, when we call
// IRCompileLayer::findSymbolIn with ExportedSymbolsOnly set to true.
//
// But for Windows COFF objects, this flag is currently never set.
// For a potential solution see: https://reviews.llvm.org/rL258665
// For now, we allow non-exported symbols on Windows as a workaround.
const bool ExportedSymbolsOnly = false;
#else
const bool ExportedSymbolsOnly = true;
#endif
// Search modules in reverse order: from last added to first added.
// This is the opposite of the usual search order for dlsym, but makes more
// sense in a REPL where we want to bind to the newest available definition.
for (auto H : make_range(ModuleKeys.rbegin(), ModuleKeys.rend()))
if (auto Sym = CompileLayer.findSymbolIn(H, Name, ExportedSymbolsOnly))
return Sym;
// If we can't find the symbol in the JIT, try looking in the host process.
if (auto SymAddr = RTDyldMemoryManager::getSymbolAddressInProcess(Name))
return JITSymbol(SymAddr, JITSymbolFlags::Exported);
#ifdef _WIN32
// For Windows retry without "_" at beginning, as RTDyldMemoryManager uses
// GetProcAddress and standard libraries like msvcrt.dll use names
// with and without "_" (for example "_itoa" but "sin").
if (Name.length() > 2 && Name[0] == '_')
if (auto SymAddr =
RTDyldMemoryManager::getSymbolAddressInProcess(Name.substr(1)))
return JITSymbol(SymAddr, JITSymbolFlags::Exported);
#endif
return null
可以看到，在之前定义的 Module 找不到后会在 host process 中寻找这个符号。
7. SSA
继续给我们的 Kaleidoscope 添加功能之前，需要先介绍 SSA, Static Single Assignment，考虑下面代码：
y := 1
y := 2
x := y
我们可以发现第一个赋值是不必须的，而且第三行使用的 y 来自第二行的赋值，改成 SSA 格式为
y_1 = 1
y_2 = 2
x_1 = y_2
改完可以方便编译器进行优化，比如把第一个赋值删去，于是我们可以给出 SSA 的定义：
每个变量仅且必须被赋值一次，原本代码中的多次变量赋值会被赋予版本号然后视为不同变量；
每个变量在被使用之前必须被定义。
考虑如下 Control Flow Graph：
加上版本号：
可以看到，这里遇到一个问题，最下面的 block 里面的 y 应该使用 y1 还是 y2, 为了解决这个问题，插入一个特殊语句称为 phi function, 其会根据 control flow 从 y1 和 y2 中选择一个值作为 y3, 如下：
可以看到，对于 x 不需要 phi function, 因为两个分支到最后的都是 x2。
8. Control Flow
我们现在实现的 Kaleidoscope 还不够完善，缺少 if else 控制流，比如不支持如下代码：
def fib(x)
if x < 3 then
1
else
fib(x - 1) + fib(x - 2)
首先让我们的 Lexer 能识别 if then else 三个关键字，增加 TOKEN 类型：
TOKEN_IF = -6, // if
TOKEN_THEN = -7, // then
TOKEN_ELSE = -8, // else
增加识别规则：
// 识别字符串
if (isalpha(last_char)) {
g_identifier_str = last_char;
while (isalnum((last_char = getchar()))) {
g_identifier_str += last_char;
}
if (g_identifier_str == "def") {
return TOKEN_DEF;
} else if (g_identifier_str == "extern") {
return TOKEN_EXTERN;
} else if (g_identifier_str == "if") {
return TOKEN_IF;
} else if (g_identifier_str == "then") {
return TOKEN_THEN;
} else if (g_identifier_str == "else") {
return TOKEN_ELSE;
} else {
return TOKEN_IDENTIFIER;
}
}
增加 IfExprAST：
// if then else
class IfExprAST : public ExprAST {
public:
IfExprAST(std::unique_ptr
std::unique_ptr
: cond_(std::move(cond)),
then_expr_(std::move(then_expr)),
else_expr_(std::move(else_expr)) {}
llvm::Value* CodeGen() override;
private:
std::unique_ptr
std::unique_ptr
std::unique_ptr
};
增加对 IfExprAST 的解析：
std::unique_ptr
GetNextToken(); // eat if
std::unique_ptr
GetNextToken(); // eat then
std::unique_ptr
GetNextToken(); // eat else
std::unique_ptr
return std::make_unique
std::move(else_expr));
}
增加到 ParsePrimary 中：
// primary
// ::= identifierexpr
// ::= numberexpr
// ::= parenexpr
std::unique_ptr
switch (g_current_token) {
case TOKEN_IDENTIFIER: return ParseIdentifierExpr();
case TOKEN_NUMBER: return ParseNumberExpr();
case '(': return ParseParenExpr();
case TOKEN_IF: return ParseIfExpr();
default: return nullptr;
}
}
完成了 lex 和 parse，接下来是最有意思的 codegen：
llvm::Value* IfExprAST::CodeGen() {
llvm::Value* cond_value = cond_->CodeGen();
// 创建fcmp one指令, cond_value = (cond_value != 0.0)
// 转为1bit (bool)类型
cond_value = g_ir_builder.CreateFCmpONE(
cond_value, llvm::ConstantFP::get(g_llvm_context, llvm::APFloat(0.0)),
"ifcond");
// 在每个function内我们会创建一个block, 这里一定在这个block内，根据block得到
// 对应的上层function
llvm::Function* func = g_ir_builder.GetInsertBlock()->getParent();
// 为then else以及最后的final创建block
llvm::BasicBlock* then_block =
llvm::BasicBlock::Create(g_llvm_context, "then", func);
llvm::BasicBlock* else_block =
llvm::BasicBlock::Create(g_llvm_context, "else");
llvm::BasicBlock* final_block =
llvm::BasicBlock::Create(g_llvm_context, "ifcont");
// 创建跳转指令，根据cond_value选择then_block/else_block
g_ir_builder.CreateCondBr(cond_value, then_block, else_block);
// codegen then_block, 增加跳转final_block指令
g_ir_builder.SetInsertPoint(then_block);
llvm::Value* then_value = then_expr_->CodeGen();
g_ir_builder.CreateBr(final_block);
// then语句内可能会有嵌套的if/then/else, 在嵌套的codegen时，会改变当前的
// InsertBlock, 我们需要有最终结果的那个block作为这里的then_block
then_block = g_ir_builder.GetInsertBlock();
// 在这里才加入是为了让这个block位于上面的then里嵌套block的后面
func->getBasicBlockList().push_back(else_block);
// 与then类似
g_ir_builder.SetInsertPoint(else_block);
llvm::Value* else_value = else_expr_->CodeGen();
g_ir_builder.CreateBr(final_block);
else_block = g_ir_builder.GetInsertBlock();
// codegen final
func->getBasicBlockList().push_back(final_block);
g_ir_builder.SetInsertPoint(final_block);
llvm::PHINode* pn = g_ir_builder.CreatePHI(
llvm::Type::getDoubleTy(g_llvm_context), 2, "iftmp");
pn->addIncoming(then_value, then_block);
pn->addIncoming(else_value, else_block);
return pn;
}
这里使用了上一节 SSA 中提到的 phi function，输入：
def foo(x)
if x < 3 then
1
else
foo(x - 1) + foo(x - 2)
foo(1)
foo(2)
foo(3)
foo(4)
得到输出：
parsed a function definition
define double @foo(double %x) {
entry:
%cmptmp = fcmp ult double %x, 3.000000e+00
%booltmp = uitofp i1 %cmptmp to double
%ifcond = fcmp one double %booltmp, 0.000000e+00
br i1 %ifcond, label %then, label %else
then: ; preds = %entry
br label %ifcont
else: ; preds = %entry
%subtmp = fsub double %x, 1.000000e+00
%calltmp = call double @foo(double %subtmp)
%subtmp1 = fsub double %x, 2.000000e+00
%calltmp2 = call double @foo(double %subtmp1)
%addtmp = fadd double %calltmp, %calltmp2
br label %ifcont
ifcont: ; preds = %else, %then
%iftmp = phi double [ 1.000000e+00, %then ], [ %addtmp, %else ]
ret double %iftmp
}
parsed a top level expr
define double @__anon_expr() {
entry:
%calltmp = call double @foo(double 1.000000e+00)
ret double %calltmp
}
1
parsed a top level expr
define double @__anon_expr() {
entry:
%calltmp = call double @foo(double 2.000000e+00)
ret double %calltmp
}
1
parsed a top level expr
define double @__anon_expr() {
entry:
%calltmp = call double @foo(double 3.000000e+00)
ret double %calltmp
}
2
parsed a top level expr
define double @__anon_expr() {
entry:
%calltmp = call double @foo(double 4.000000e+00)
ret double %calltmp
}
3
成功完成了斐波那契数列的计算，接下来我们需要增加循环的支持，在此之前我们实现一个 printd 函数：
extern "C" double printd(double x) {
printf("%lf\n", x);
return 0.0;
}
编译：
clang++ -g main.cpp \`llvm-config --cxxflags --ldflags --libs\` -Wl,-no-as-needed -rdynamic
输入：
extern printd(x)
printd(12)
得到输出：
parsed a extern
declare double @printd(double)
parsed a top level expr
define double @__anon_expr() {
entry:
%calltmp = call double @printd(double 1.200000e+01)
ret double %calltmp
}
12.000000
0
可以看到，我们成功给 Kaleiscope 添加了 printd 函数，接下来看我们需要实现的循环语法, 使用 C++代码作为注释：
def printstar(n):
for i = 1, i < n, 1.0 in # for (double i = 1.0; i < n; i += 1.0)
printd(n)
同样，我们增加 for 和 in 的 TOKEN：
enum Token {
TOKEN_EOF = -1, // 文件结束标识符
TOKEN_DEF = -2, // 关键字def
TOKEN_EXTERN = -3, // 关键字extern
TOKEN_IDENTIFIER = -4, // 名字
TOKEN_NUMBER = -5, // 数值
TOKEN_IF = -6, // if
TOKEN_THEN = -7, // then
TOKEN_ELSE = -8, // else
TOKEN_FOR = -9, // for
TOKEN_IN = -10 // in
};
增加 TOKEN 的识别：
// 识别字符串
if (isalpha(last_char)) {
g_identifier_str = last_char;
while (isalnum((last_char = getchar()))) {
g_identifier_str += last_char;
}
if (g_identifier_str == "def") {
return TOKEN_DEF;
} else if (g_identifier_str == "extern") {
return TOKEN_EXTERN;
} else if (g_identifier_str == "if") {
return TOKEN_IF;
} else if (g_identifier_str == "then") {
return TOKEN_THEN;
} else if (g_identifier_str == "else") {
return TOKEN_ELSE;
} else if (g_identifier_str == "for") {
return TOKEN_FOR;
} else if (g_identifier_str == "in") {
return TOKEN_IN;
} else {
return TOKEN_IDENTIFIER;
}
}
增加 ForExprAST：
// for in
class ForExprAST : public ExprAST {
public:
ForExprAST(const std::string& var_name, std::unique_ptr
std::unique_ptr
std::unique_ptr
std::unique_ptr
: var_name_(var_name),
start_expr_(std::move(start_expr)),
end_expr_(std::move(end_expr)),
step_expr_(std::move(step_expr)),
body_expr_(std::move(body_expr)) {}
llvm::Value* CodeGen() override;
private:
std::string var_name_;
std::unique_ptr
std::unique_ptr
std::unique_ptr
std::unique_ptr
};
添加到 Primary 的解析中：
// forexpr ::= for var_name = start_expr, end_expr, step_expr in body_expr
std::unique_ptr
GetNextToken(); // eat for
std::string var_name = g_identifier_str;
GetNextToken(); // eat var_name
GetNextToken(); // eat =
std::unique_ptr
GetNextToken(); // eat ,
std::unique_ptr
GetNextToken(); // eat ,
std::unique_ptr
GetNextToken(); // eat in
std::unique_ptr
return std::make_unique
std::move(end_expr), std::move(step_expr),
std::move(body_expr));
}
// primary
// ::= identifierexpr
// ::= numberexpr
// ::= parenexpr
std::unique_ptr
switch (g_current_token) {
case TOKEN_IDENTIFIER: return ParseIdentifierExpr();
case TOKEN_NUMBER: return ParseNumberExpr();
case '(': return ParseParenExpr();
case TOKEN_IF: return ParseIfExpr();
case TOKEN_FOR: return ParseForExpr();
default: return nullptr;
}
}
开始 codegen：
llvm::Value* ForExprAST::CodeGen() {
// codegen start
llvm::Value* start_val = start_expr_->CodeGen();
// 获取当前function
llvm::Function* func = g_ir_builder.GetInsertBlock()->getParent();
// 保存当前的block
llvm::BasicBlock* pre_block = g_ir_builder.GetInsertBlock();
// 新增一个loop block到当前function
llvm::BasicBlock* loop_block =
llvm::BasicBlock::Create(g_llvm_context, "loop", func);
// 为当前block增加到loop_block的跳转指令
g_ir_builder.CreateBr(loop_block);
// 开始在loop_block内增加指令
g_ir_builder.SetInsertPoint(loop_block);
llvm::PHINode* var = g_ir_builder.CreatePHI(
llvm::Type::getDoubleTy(g_llvm_context), 2, var_name_.c_str());
// 如果来自pre_block的跳转，则取start_val的值
var->addIncoming(start_val, pre_block);
// 现在我们新增了一个变量var，因为可能会被后面的代码引用，所以要注册到
// g_named_values中，其可能会和函数参数重名，但我们这里为了方便不管
// 这个特殊情况，直接注册到g_named_values中，
g_named_values[var_name_] = var;
// 在loop_block中增加body的指令
body_expr_->CodeGen();
// codegen step_expr
llvm::Value* step_value = step_expr_->CodeGen();
// next_var = var + step_value
llvm::Value* next_value = g_ir_builder.CreateFAdd(var, step_value, "nextvar");
// codegen end_expr
llvm::Value* end_value = end_expr_->CodeGen();
// end_value = (end_value != 0.0)
end_value = g_ir_builder.CreateFCmpONE(
end_value, llvm::ConstantFP::get(g_llvm_context, llvm::APFloat(0.0)),
"loopcond");
// 和if/then/else一样，这里的block可能会发生变化，保存当前的block
llvm::BasicBlock* loop_end_block = g_ir_builder.GetInsertBlock();
// 创建循环结束后的block
llvm::BasicBlock* after_block =
llvm::BasicBlock::Create(g_llvm_context, "afterloop", func);
// 根据end_value选择是再来一次loop_block还是进入after_block
g_ir_builder.CreateCondBr(end_value, loop_block, after_block);
// 给after_block增加指令
g_ir_builder.SetInsertPoint(after_block);
// 如果是再次循环，取新的值
var->addIncoming(next_value, loop_end_block);
// 循环结束，避免被再次引用
g_named_values.erase(var_name_);
// return 0
return llvm::Constant::getNullValue(llvm::Type::getDoubleTy(g_llvm_context));
}
输入：
extern printd(x)
def foo(x)
if x < 3 then
1
else
foo(x - 1) + foo(x - 2)
for i = 1, i < 10, 1.0 in
printd(foo(i))
输出：
parsed a extern
declare double @printd(double)
parsed a function definition
define double @foo(double %x) {
entry:
%cmptmp = fcmp ult double %x, 3.000000e+00
%booltmp = uitofp i1 %cmptmp to double
%ifcond = fcmp one double %booltmp, 0.000000e+00
br i1 %ifcond, label %then, label %else
then: ; preds = %entry
br label %ifcont
else: ; preds = %entry
%subtmp = fsub double %x, 1.000000e+00
%calltmp = call double @foo(double %subtmp)
%subtmp1 = fsub double %x, 2.000000e+00
%calltmp2 = call double @foo(double %subtmp1)
%addtmp = fadd double %calltmp, %calltmp2
br label %ifcont
ifcont: ; preds = %else, %then
%iftmp = phi double [ 1.000000e+00, %then ], [ %addtmp, %else ]
ret double %iftmp
}
parsed a top level expr
define double @__anon_expr() {
entry:
br label %loop
loop: ; preds = %loop, %entry
%i = phi double [ 1.000000e+00, %entry ], [ %nextvar, %loop ]
%calltmp = call double @foo(double %i)
%calltmp1 = call double @printd(double %calltmp)
%nextvar = fadd double %i, 1.000000e+00
%cmptmp = fcmp ult double %i, 1.000000e+01
%booltmp = uitofp i1 %cmptmp to double
%loopcond = fcmp one double %booltmp, 0.000000e+00
br i1 %loopcond, label %loop, label %afterloop
afterloop: ; preds = %loop
ret double 0.000000e+00
}
1.000000
1.000000
2.000000
3.000000
5.000000
8.000000
13.000000
21.000000
34.000000
55.000000
0
成功遍历了斐波那契数列。
9. User-Defined Operators
在 C++中，用户可以重载操作符而不能增加操作符。在这里，我们将给 Kaleidoscope 增加一个功能，让用户可以增加二元操作符。
# 新增二元操作符 `>`, 优先级等于内置的 `<`
def binary> 10 (LHS RHS)
RHS < LHS
# 新增二元操作符 `|`, 优先级为5
def binary| 5 (LHS RHS)
if LHS then
1
else if RHS then
1
else
0
# 新增二元操作符 `=`，优先级为9，这个操作符类似C++的 `==`
def binary= 9 (LHS RHS)
!(LHS < RHS | LHS > RHS)
增加 TOKEN 的类型：
enum Token {
...
TOKEN_BINARY = -11, // binary
};
增加 TOKEN 的识别：
// 从标准输入解析一个Token并返回
int GetToken() {
...
// 识别字符串
if (isalpha(last_char)) {
...
if (g_identifier_str == "def") {
return TOKEN_DEF;
} else if (g_identifier_str == "extern") {
return TOKEN_EXTERN;
} else if (g_identifier_str == "if") {
return TOKEN_IF;
} else if (g_identifier_str == "then") {
return TOKEN_THEN;
} else if (g_identifier_str == "else") {
return TOKEN_ELSE;
} else if (g_identifier_str == "for") {
return TOKEN_FOR;
} else if (g_identifier_str == "in") {
return TOKEN_IN;
} else if (g_identifier_str == "binary") {
return TOKEN_BINARY;
} else {
return TOKEN_IDENTIFIER;
}
}
...
}
我们把新增的二元操作符视为一个函数，所以不需要新增 AST，但是需要修改 PrototypeAST。
// 函数接口
class PrototypeAST {
public:
PrototypeAST(const std::string& name, std::vector
bool is_operator = false, int op_precedence = 0)
: name_(name),
args_(std::move(args)),
is_operator_(is_operator),
op_precedence_(op_precedence) {}
llvm::Function* CodeGen();
const std::string& name() const { return name_; }
int op_precedence() const { return op_precedence_; }
bool IsUnaryOp() const { return is_operator_ && args_.size() == 1; }
bool IsBinaryOp() const { return is_operator_ && args_.size() == 2; }
// like `|` in `binary|`
char GetOpName() { return name_[name_.size() - 1]; }
private:
std::string name_;
std::vector
bool is_operator_;
int op_precedence_;
};
修改 parse 部分：
// prototype
// ::= id ( id id ... id)
// ::= binary binop precedence (id id)
std::unique_ptr
std::string function_name;
bool is_operator = false;
int precedence = 0;
switch (g_current_token) {
case TOKEN_IDENTIFIER: {
function_name = g_identifier_str;
is_operator = false;
GetNextToken(); // eat id
break;
}
case TOKEN_BINARY: {
GetNextToken(); // eat binary
function_name = "binary";
function_name += (char)(g_current_token);
is_operator = true;
GetNextToken(); // eat binop
precedence = g_number_val;
GetNextToken(); // eat precedence
break;
}
}
std::vector
while (GetNextToken() == TOKEN_IDENTIFIER) {
arg_names.push_back(g_identifier_str);
}
GetNextToken(); // eat )
return std::make_unique
precedence);
}
修改 BinaryExprAST 的 CodeGen 处理自定义 Operator, 增加函数调用指令：
llvm::Value* BinaryExprAST::CodeGen() {
llvm::Value* lhs = lhs_->CodeGen();
llvm::Value* rhs = rhs_->CodeGen();
switch (op_) {
case '<': {
llvm::Value* tmp = g_ir_builder.CreateFCmpULT(lhs, rhs, "cmptmp");
// 把 0/1 转为 0.0/1.0
return g_ir_builder.CreateUIToFP(
tmp, llvm::Type::getDoubleTy(g_llvm_context), "booltmp");
}
case '+': return g_ir_builder.CreateFAdd(lhs, rhs, "addtmp");
case '-': return g_ir_builder.CreateFSub(lhs, rhs, "subtmp");
case '*': return g_ir_builder.CreateFMul(lhs, rhs, "multmp");
default: {
// user defined operator
llvm::Function* func = GetFunction(std::string("binary") + op_);
llvm::Value* operands[2] = {lhs, rhs};
return g_ir_builder.CreateCall(func, operands, "binop");
}
}
}
在 FunctionAST 的 CodeGen 时，注册操作符优先级，从而让自定义操作符被识别为操作符。
llvm::Value* FunctionAST::CodeGen() {
PrototypeAST& proto = *proto_;
name2proto_ast[proto.name()] = std::move(proto_); // transfer ownership
llvm::Function* func = GetFunction(proto.name());
if (proto.IsBinaryOp()) {
g_binop_precedence[proto.GetOpName()] = proto.op_precedence();
}
// 创建一个Block并且设置为指令插入位置。
// llvm block用于定义control flow graph, 由于我们暂不实现control flow, 创建
// 一个单独的block即可
llvm::BasicBlock* block =
llvm::BasicBlock::Create(g_llvm_context, "entry", func);
g_ir_builder.SetInsertPoint(block);
// 将函数参数注册到g_named_values中，让VariableExprAST可以codegen
g_named_values.clear();
for (llvm::Value& arg : func->args()) {
g_named_values[arg.getName()] = &arg;
}
// codegen body然后return
llvm::Value* ret_val = body_->CodeGen();
g_ir_builder.CreateRet(ret_val);
llvm::verifyFunction(*func);
return func;
}
输入：
# 新增二元操作符 `>`, 优先级等于内置的 `<`
def binary> 10 (LHS RHS)
RHS < LHS
1 > 2
2 > 1
# 新增二元操作符 `|`, 优先级为5
def binary| 5 (LHS RHS)
if LHS then
1
else if RHS then
1
else
0
1 | 0
0 | 1
0 | 0
1 | 1
得到输出：
parsed a function definition
define double @"binary>"(double %LHS, double %RHS) {
entry:
%cmptmp = fcmp ult double %RHS, %LHS
%booltmp = uitofp i1 %cmptmp to double
ret double %booltmp
}
parsed a top level expr
define double @__anon_expr() {
entry:
%binop = call double @"binary>"(double 1.000000e+00, double 2.000000e+00)
ret double %binop
}
0
parsed a top level expr
define double @__anon_expr() {
entry:
%binop = call double @"binary>"(double 2.000000e+00, double 1.000000e+00)
ret double %binop
}
1
parsed a function definition
define double @"binary|"(double %LHS, double %RHS) {
entry:
%ifcond = fcmp one double %LHS, 0.000000e+00
br i1 %ifcond, label %then, label %else
then: ; preds = %entry
br label %ifcont4
else: ; preds = %entry
%ifcond1 = fcmp one double %RHS, 0.000000e+00
br i1 %ifcond1, label %then2, label %else3
then2: ; preds = %else
br label %ifcont
else3: ; preds = %else
br label %ifcont
ifcont: ; preds = %else3, %then2
%iftmp = phi double [ 1.000000e+00, %then2 ], [ 0.000000e+00, %else3 ]
br label %ifcont4
ifcont4: ; preds = %ifcont, %then
%iftmp5 = phi double [ 1.000000e+00, %then ], [ %iftmp, %ifcont ]
ret double %iftmp5
}
parsed a top level expr
define double @__anon_expr() {
entry:
%binop = call double @"binary|"(double 1.000000e+00, double 0.000000e+00)
ret double %binop
}
1
parsed a top level expr
define double @__anon_expr() {
entry:
%binop = call double @"binary|"(double 0.000000e+00, double 1.000000e+00)
ret double %binop
}
1
parsed a top level expr
define double @__anon_expr() {
entry:
%binop = call double @"binary|"(double 0.000000e+00, double 0.000000e+00)
ret double %binop
}
0
parsed a top level expr
define double @__anon_expr() {
entry:
%binop = call double @"binary|"(double 1.000000e+00, double 1.000000e+00)
ret double %binop
}
1
10. Mutable Variables
本节我们将让 Kaleidoscope 支持可变变量，首先我们看如下 C 代码：
int G, H;
int test(_Bool Condition) {
int X;
if (Condition)
X = G;
else
X = H;
return X;
}
由于变量 X 的值依赖于程序的执行路径，会加入一个 phi node 来选取分支结果。上面代码的 LLVM IR 如下：
@G = weak global i32 0 ; type of @G is i32*
@H = weak global i32 0 ; type of @H is i32*
define i32 @test(i1 %Condition) {
entry:
br i1 %Condition, label %cond_true, label %cond_false
cond_true:
%X.0 = load i32* @G
br label %cond_next
cond_false:
%X.1 = load i32* @H
br label %cond_next
cond_next:
%X.2 = phi i32 [ %X.1, %cond_false ], [ %X.0, %cond_true ]
ret i32 %X.2
}
上面的 X 是符合 SSA 格式的，但是这里真正的难题是给可变变量赋值时怎么自动添加 phi node。我们先了解一些信息，LLVM 要求寄存器变量是 SSA 格式，但却不允许内存对象是 SSA 格式。比如上面的例子中，G 和 H 就没有版本号。在 LLVM 中，所有内存访问都是显示的 load/store 指令，并且不存在取内存地址的操作。注意上面的例子中，即使@G/@H 全局变量定义时用的 i32, 但其类型仍然是 i32*, 表示在全局数据区存放 i32 的空间地址。
现在假设我们想创建一个类似@G 但是在栈上的内存变量，基本指令如下：
define i32 @example() {entry:
%X = alloca i32 ; type of %X is i32*.
...
%tmp = load i32* %X ; load the stack value %X from the stack.
%tmp2 = add i32 %tmp, 1 ; increment it
store i32 %tmp2, i32* %X ; store it back
...
于是我们可以把上面使用 phi node 的 LLVM IR 改写为使用栈上变量：
@G = weak global i32 0 ; type of @G is i32*
@H = weak global i32 0 ; type of @H is i32*
define i32 @test(i1 %Condition) {
entry:
%X = alloca i32 ; type of %X is i32*.
br i1 %Condition, label %cond_true, label %cond_false
cond_true:
%X.0 = load i32* @G
store i32 %X.0, i32* %X ; Update X
br label %cond_next
cond_false:
%X.1 = load i32* @H
store i32 %X.1, i32* %X ; Update X
br label %cond_next
cond_next:
%X.2 = load i32* %X ; Read X
ret i32 %X.2
}
于是我们找到了一个处理任意可变变量而且不需要创建 phi node 的办法：
每个可变变量在栈上创建
变量读取变为 load from stack
变量更新变为 store to stack
使用栈上地址作为变量地址
但是这会带来一个新的问题，因为内存速度不如寄存器，大量使用栈会有性能问题。不过，LLVM 优化器有一个 pass 称为"mem2reg", 专门将 stack 的使用自动地尽可能转为使用 phi node, 下面为自动优化的结果：
@G = weak global i32 0
@H = weak global i32 0
define i32 @test(i1 %Condition) {
entry:
br i1 %Condition, label %cond_true, label %cond_false
cond_true:
%X.0 = load i32* @G
br label %cond_next
cond_false:
%X.1 = load i32* @H
br label %cond_next
cond_next:
%X.01 = phi i32 [ %X.1, %cond_false ], [ %X.0, %cond_true ]
ret i32 %X.01}
mem2reg 实现了一个称为"iterated dominance frontier"的标准算法来自动创建 SSA 格式。对 mem2reg 的使用需要注意：
mem2reg 只能优化栈上变量，不会优化全局变量和堆上变量；
mem2reg 只优化 entry block 中的栈上变量创建, 因为在 entry block 中就意味着只创建一次；
如果对栈上变量有 load 和 store 之外的操作, mem2reg 也不会优化；
mem2reg 只能优化基本类型的栈上变量，比如指针，数值和数组。其中数组的大小必须为 1. 对于结构体和数组等的优化需要另一个称为"sroa"的 pass。
因为我们后面需要启用 mem2reg，我们先把优化器加回来，修改全局定义：
std::unique_ptr
std::unique_ptr
修改 ReCreateModule：
void ReCreateModule() {
g_module = std::make_unique
g_module->setDataLayout(g_jit->getTargetMachine().createDataLayout());
g_fpm = std::make_unique
g_fpm->add(llvm::createInstructionCombiningPass());
g_fpm->add(llvm::createReassociatePass());
g_fpm->add(llvm::createGVNPass());
g_fpm->add(llvm::createCFGSimplificationPass());
g_fpm->doInitialization();
}
在 FunctionAST::CodeGen 中执行优化器：
g_ir_builder.CreateRet(ret_val);
llvm::verifyFunction(*func);
g_fpm->run(*func);
修改 main：
int main() {
llvm::InitializeNativeTarget();
llvm::InitializeNativeTargetAsmPrinter();
llvm::InitializeNativeTargetAsmParser();
g_jit.reset(new llvm::orc::KaleidoscopeJIT);
ReCreateModule();
...
}
我们有两种类型的变量，分别是函数参数以及 for 循环的变量，这里我们将这两种变量也修改为使用内存，再让 mem2reg 进行优化。因为所有的变量都会使用内存，修改 g_named_value 存储的类型为 AllocaInst*：
std::map
编写一个函数 CreateEntryBlockAlloca，简化后续工作，其功能是往函数的 EntryBlock 的最开始的地方添加分配内存指令：
llvm::AllocaInst* CreateEntryBlockAlloca(llvm::Function* func,
const std::string& var_name) {
llvm::IRBuilder<> ir_builder(&(func->getEntryBlock()),
func->getEntryBlock().begin());
return ir_builder.CreateAlloca(llvm::Type::getDoubleTy(g_llvm_context), 0,
var_name.c_str());
}
修改 VariableExprAST::CodeGen, 由于我们所有变量都放在内存你上，所以增加 load 指令：
llvm::Value* VariableExprAST::CodeGen() {
llvm::AllocaInst* val = g_named_values.at(name_);
return g_ir_builder.CreateLoad(val, name_.c_str());
}
接下来我们修改 for 循环里变量的 CodeGen：
llvm::Value* ForExprAST::CodeGen() {
// 获取当前function
llvm::Function* func = g_ir_builder.GetInsertBlock()->getParent();
// 将变量创建为栈上变量，不再是phi node
llvm::AllocaInst* var = CreateEntryBlockAlloca(func, var_name_);
// codegen start
llvm::Value* start_val = start_expr_->CodeGen();
// 将初始值赋给var
g_ir_builder.CreateStore(start_val, var);
// 新增一个loop block到当前function
llvm::BasicBlock* loop_block =
llvm::BasicBlock::Create(g_llvm_context, "loop", func);
// 为当前block增加到loop_block的跳转指令
g_ir_builder.CreateBr(loop_block);
// 开始在loop_block内增加指令
g_ir_builder.SetInsertPoint(loop_block);
// 现在我们新增了一个变量var，因为可能会被后面的代码引用，所以要注册到
// g_named_values中，其可能会和函数参数重名，但我们这里为了方便不管
// 这个特殊情况，直接注册到g_named_values中，
g_named_values[var_name_] = var;
// 在loop_block中增加body的指令
body_expr_->CodeGen();
// codegen step_expr
llvm::Value* step_value = step_expr_->CodeGen();
// var = var + step_value
llvm::Value* cur_value = g_ir_builder.CreateLoad(var);
llvm::Value* next_value =
g_ir_builder.CreateFAdd(cur_value, step_value, "nextvar");
g_ir_builder.CreateStore(next_value, var);
// codegen end_expr
llvm::Value* end_value = end_expr_->CodeGen();
// end_value = (end_value != 0.0)
end_value = g_ir_builder.CreateFCmpONE(
end_value, llvm::ConstantFP::get(g_llvm_context, llvm::APFloat(0.0)),
"loopcond");
// 和if/then/else一样，这里的block可能会发生变化，保存当前的block
llvm::BasicBlock* loop_end_block = g_ir_builder.GetInsertBlock();
// 创建循环结束后的block
llvm::BasicBlock* after_block =
llvm::BasicBlock::Create(g_llvm_context, "afterloop", func);
// 根据end_value选择是再来一次loop_block还是进入after_block
g_ir_builder.CreateCondBr(end_value, loop_block, after_block);
// 给after_block增加指令
g_ir_builder.SetInsertPoint(after_block);
// 循环结束，避免被再次引用
g_named_values.erase(var_name_);
// return 0
return llvm::Constant::getNullValue(llvm::Type::getDoubleTy(g_llvm_context));
}
修改 FunctionAST::codegen()使得参数可变：
llvm::Value* FunctionAST::CodeGen() {
PrototypeAST& proto = *proto_;
name2proto_ast[proto.name()] = std::move(proto_); // transfer ownership
llvm::Function* func = GetFunction(proto.name());
if (proto.IsBinaryOp()) {
g_binop_precedence[proto.GetOpName()] = proto.op_precedence();
}
// 创建一个Block并且设置为指令插入位置。
// llvm block用于定义control flow graph, 由于我们暂不实现control flow, 创建
// 一个单独的block即可
llvm::BasicBlock* block =
llvm::BasicBlock::Create(g_llvm_context, "entry", func);
g_ir_builder.SetInsertPoint(block);
// 将函数参数注册到g_named_values中，让VariableExprAST可以codegen
g_named_values.clear();
for (llvm::Value& arg : func->args()) {
// 为每个参数创建一个栈上变量，并赋初值，修改g_named_values使得后面的引用
// 会引用这个栈上变量
llvm::AllocaInst* var = CreateEntryBlockAlloca(func, arg.getName());
g_ir_builder.CreateStore(&arg, var);
g_named_values[arg.getName()] = var;
}
// codegen body然后return
llvm::Value* ret_val = body_->CodeGen();
g_ir_builder.CreateRet(ret_val);
llvm::verifyFunction(*func);
g_fpm->run(*func);
return func;
}
输入：
extern printd(x)
def foo(x)
if x < 3 then
1
else
foo(x - 1) + foo(x - 2)
for i = 1, i < 10, 1.0 in
printd(foo(i))
输出：
parsed a extern [13/48988]
declare double @printd(double)
parsed a function definition
define double @foo(double %x) {
entry:
%x1 = alloca double, align 8
store double %x, double* %x1, align 8
%cmptmp = fcmp ult double %x, 3.000000e+00
br i1 %cmptmp, label %ifcont, label %else
else: ; preds = %entry
%subtmp = fadd double %x, -1.000000e+00
%calltmp = call double @foo(double %subtmp)
%subtmp5 = fadd double %x, -2.000000e+00
%calltmp6 = call double @foo(double %subtmp5)
%addtmp = fadd double %calltmp, %calltmp6
br label %ifcont
ifcont: ; preds = %entry, %else
%iftmp = phi double [ %addtmp, %else ], [ 1.000000e+00, %entry ]
ret double %iftmp
}
parsed a top level expr
define double @__anon_expr() {
entry:
%i = alloca double, align 8
store double 1.000000e+00, double* %i, align 8
br label %loop
loop: ; preds = %loop, %entry
%i1 = phi double [ %nextvar, %loop ], [ 1.000000e+00, %entry ]
%calltmp = call double @foo(double %i1)
%calltmp2 = call double @printd(double %calltmp)
%nextvar = fadd double %i1, 1.000000e+00
store double %nextvar, double* %i, align 8
%cmptmp = fcmp ult double %nextvar, 1.000000e+01
br i1 %cmptmp, label %loop, label %afterloop
afterloop: ; preds = %loop
ret double 0.000000e+00
}
1.000000
1.000000
2.000000
3.000000
5.000000
8.000000
13.000000
21.000000
34.000000
0
可以看到，新版本的 IR 中已经没有了 phi node, 接下来我们加入优化器：
g_fpm->add(llvm::createPromoteMemoryToRegisterPass());
g_fpm->add(llvm::createInstructionCombiningPass());
g_fpm->add(llvm::createReassociatePass());
再次得到输出：
parsed a extern
declare double @printd(double)
parsed a function definition
define double @foo(double %x) {
entry:
%cmptmp = fcmp ult double %x, 3.000000e+00
br i1 %cmptmp, label %ifcont, label %else
else: ; preds = %entry
%subtmp = fadd double %x, -1.000000e+00
%calltmp = call double @foo(double %subtmp)
%subtmp5 = fadd double %x, -2.000000e+00
%calltmp6 = call double @foo(double %subtmp5)
%addtmp = fadd double %calltmp, %calltmp6
br label %ifcont
ifcont: ; preds = %entry, %else
%iftmp = phi double [ %addtmp, %else ], [ 1.000000e+00, %entry ]
ret double %iftmp
}
parsed a top level expr
define double @__anon_expr() {
entry:
br label %loop
loop: ; preds = %loop, %entry
%i1 = phi double [ %nextvar, %loop ], [ 1.000000e+00, %entry ]
%calltmp = call double @foo(double %i1)
%calltmp2 = call double @printd(double %calltmp)
%nextvar = fadd double %i1, 1.000000e+00
%cmptmp = fcmp ult double %nextvar, 1.000000e+01
br i1 %cmptmp, label %loop, label %afterloop
afterloop: ; preds = %loop
ret double 0.000000e+00
}
1.000000
1.000000
2.000000
3.000000
5.000000
8.000000
13.000000
21.000000
34.000000
0
可以看到，栈上变量自动地变为寄存器变量，且 phi node 自动地被添加。
11. 完整代码与参考资料
完整代码见：
https://zhuanlan.zhihu.com/p/336929719
参考文献链接
https://mp.weixin.qq.com/s/Jf-F5QpxXB0FDMXUCow17A
https://en.wikipedia.org/wiki/Static_single_assignment_form
https://llvm.org/docs/tutorial/MyFirstLanguageFrontend/index.html
https://mp.weixin.qq.com/s/Tw0kmwpkQ2m49xsMGYIlCA