Do trình biên dịch-nhà văn thực sự cần phải 'hiểu' mã máy? [đóng cửa]

Có thể là một loại câu hỏi kỳ lạ.

Một anh chàng viết trình biên dịch C ++ (hoặc bất kỳ ngôn ngữ không phải VM nào): Anh ta có cần đọc / viết ngôn ngữ máy thô không? Làm thế nào mà làm việc?

EDIT: Tôi đặc biệt đề cập đến các trình biên dịch biên dịch mã máy chứ không phải một số ngôn ngữ lập trình khác.

Không hoàn toàn không. Thay vào đó, điều hoàn toàn có thể (và thường là thích hợp hơn) để trình biên dịch của bạn phát ra mã lắp ráp thay thế. Trình biên dịch sau đó đảm nhiệm việc tạo mã máy thực tế.

Nhân tiện, việc phân biệt triển khai không VM và thực hiện VM của bạn là không hữu ích.

• Đối với người mới bắt đầu, sử dụng VM hoặc tiền biên dịch cho mã máy chỉ là những cách khác nhau để thực hiện ngôn ngữ; trong hầu hết các trường hợp, một ngôn ngữ có thể được thực hiện bằng cách sử dụng một trong hai chiến lược. Tôi thực sự đã phải sử dụng một trình thông dịch C ++ một lần.

• Ngoài ra, nhiều máy ảo như JVM đều có mã máy nhị phân và một số trình biên dịch, giống như một kiến ​​trúc thông thường.

LLVM (được các trình biên dịch Clang sử dụng) đáng được đề cập đặc biệt ở đây: Nó định nghĩa một VM mà các hướng dẫn có thể được biểu diễn dưới dạng mã byte, tập hợp văn bản hoặc cấu trúc dữ liệu giúp dễ dàng phát ra từ trình biên dịch. Vì vậy, mặc dù nó sẽ hữu ích cho việc gỡ lỗi (và để hiểu những gì bạn đang làm), bạn thậm chí sẽ không phải biết về ngôn ngữ lắp ráp, chỉ về API LLVM.

Điều thú vị về LLVM là VM của nó chỉ là một sự trừu tượng hóa và mã byte thường không được giải thích, nhưng thay vào đó là JITted trong suốt. Vì vậy, hoàn toàn có thể viết một ngôn ngữ được biên dịch hiệu quả mà không cần phải biết về tập lệnh của CPU.

Không. Điểm mấu chốt của câu hỏi của bạn là biên soạn là thuật ngữ cực kỳ rộng. Việc biên dịch có thể xảy ra từ bất kỳ ngôn ngữ nào sang bất kỳ ngôn ngữ nào. Và mã lắp ráp / mã máy chỉ là một trong nhiều ngôn ngữ cho mục tiêu biên dịch. Ví dụ, các ngôn ngữ Java và .NET như C #, F # và VB.NET đều biên dịch thành một loại mã trung gian thay vì mã dành riêng cho máy. Không thành vấn đề nếu nó chạy trên VM, ngôn ngữ vẫn được biên dịch. Ngoài ra còn có tùy chọn biên dịch sang một số ngôn ngữ khác, như C. C thực sự là mục tiêu biên dịch khá phổ biến và nhiều công cụ thực hiện nó. Và cuối cùng, bạn có thể sử dụng một số công cụ hoặc thư viện để thực hiện công việc khó khăn trong việc sản xuất mã máy cho bạn. ví dụ như LLVM có thể giảm nỗ lực cần thiết để tạo một trình biên dịch độc lập.

Ngoài ra, chỉnh sửa của bạn không có ý nghĩa gì. Nó giống như hỏi "Có phải mọi kỹ sư đều cần hiểu cách thức hoạt động của động cơ? Và tôi đang hỏi về các kỹ sư làm việc trên động cơ." Nếu bạn đang làm việc trên một chương trình hoặc thư viện phát ra mã máy, thì bạn phải hiểu nó. Vấn đề là, bạn không phải làm điều đó khi viết trình biên dịch. Nhiều người đã làm điều đó trước bạn, vì vậy bạn cần có lý do nghiêm túc để làm lại.

Về mặt kinh điển, trình biên dịch có ba phần: phân tích từ vựng, phân tích cú pháp và tạo mã. Phân tích từ vựng chia văn bản của chương trình thành các từ khóa, tên và giá trị ngôn ngữ. Phân tích cú pháp làm thế nào các mã thông báo đến từ phân tích từ vựng được kết hợp trong các tuyên bố chính xác về mặt cú pháp cho ngôn ngữ. Việc tạo mã lấy các cấu trúc dữ liệu do trình phân tích cú pháp tạo ra và chuyển chúng thành mã máy hoặc một số biểu diễn khác. Ngày nay, phân tích từ vựng và phân tích cú pháp có thể được kết hợp thành một bước duy nhất.

Rõ ràng người viết trình tạo mã phải hiểu mã máy đích ở mức rất sâu, bao gồm các tập lệnh, đường ống xử lý và hành vi bộ đệm. Nếu không, các chương trình được tạo bởi trình biên dịch sẽ chậm và không hiệu quả. Họ rất có thể có thể đọc và viết mã máy như được biểu thị bằng số bát phân hoặc thập lục phân, nhưng họ thường sẽ viết các hàm để tạo mã máy, tham khảo nội bộ các bảng hướng dẫn máy. Về mặt lý thuyết, những người viết lexer và trình phân tích cú pháp có thể không biết gì về việc tạo mã máy. Trong thực tế, một số trình biên dịch hiện đại cho phép bạn cắm các thói quen tạo mã của riêng bạn, thứ có thể phát ra mã máy cho một số CPU mà các nhà văn lexer và trình phân tích cú pháp chưa bao giờ nghe thấy.

Tuy nhiên, trong thực tế các trình biên dịch trình biên dịch ở mỗi bước biết rất nhiều về các kiến ​​trúc bộ xử lý khác nhau và điều đó giúp họ thiết kế cấu trúc dữ liệu mà bước tạo mã sẽ cần.

Một thời gian dài trước đây tôi đã viết một trình biên dịch chuyển đổi giữa hai tập lệnh shell khác nhau. Nó không có cách nào gần mã máy.

Một trình biên dịch ghi phải hiểu đầu ra của chúng , nhưng đó thường không phải là mã máy.

Hầu hết các lập trình viên sẽ không bao giờ viết trình biên dịch xuất mã máy hoặc mã lắp ráp, nhưng trình biên dịch tùy chỉnh có thể rất hữu ích trên nhiều dự án để tạo ra các đầu ra khác.

YACC là một trình biên dịch như vậy không xuất ra mã máy.

Bạn không cần phải bắt đầu với kiến ​​thức chi tiết về ngữ nghĩa của ngôn ngữ đầu vào và đầu ra của mình, nhưng bạn nên hoàn thành tốt hơn với kiến ​​thức chi tiết tinh tế về cả hai, nếu không trình biên dịch của bạn sẽ bị lỗi một cách bất thường. Vì vậy, nếu đầu vào của bạn là C ++ và đầu ra của bạn là một số ngôn ngữ máy cụ thể, cuối cùng bạn sẽ cần phải biết ngữ nghĩa của cả hai.

Dưới đây là một số sự tinh tế trong việc biên dịch C ++ thành mã máy: (ngay trên đỉnh đầu của tôi, tôi chắc chắn có nhiều điều tôi đang quên.)

1. Kích thước nào sẽ intlà? Lựa chọn "chính xác" ở đây là một nghệ thuật, dựa trên cả kích thước con trỏ tự nhiên của máy, hiệu suất của ALU cho các kích thước khác nhau của phép toán số học và các lựa chọn của trình biên dịch hiện có cho máy. Máy thậm chí có số học 64 bit? Nếu không thì việc thêm các số nguyên 32 bit sẽ dịch sang một lệnh trong khi thêm các số nguyên 64 bit sẽ dịch sang một lệnh gọi hàm để thực hiện phép cộng 64 bit. Máy có các hoạt động thêm 8 bit và 16 bit hay bạn phải mô phỏng những hoạt động với ops 32 bit và mặt nạ (ví dụ: DEC Alpha 21064)?

2. Quy ước gọi được sử dụng bởi các trình biên dịch, thư viện và ngôn ngữ khác trên máy là gì? Các tham số có được đẩy trên ngăn xếp từ phải sang trái hoặc trái sang phải không? Có một số tham số đi vào thanh ghi trong khi những người khác đi trên ngăn xếp? Là ints và float trong không gian đăng ký khác nhau? Các tham số được cấp phát đăng ký có cần được xử lý đặc biệt đối với các cuộc gọi varargs không? Những thanh ghi nào được lưu trong cuộc gọi và được lưu callee? Bạn có thể thực hiện tối ưu hóa cuộc gọi lá?

3. Mỗi hướng dẫn thay đổi của máy làm gì? Nếu bạn yêu cầu thay đổi một số nguyên 64 bit bằng 65 bit thì kết quả là gì? (Trên nhiều máy, kết quả tương tự như dịch chuyển 1 bit, trên các máy khác, kết quả là "0".)

4. Các ngữ nghĩa nhất quán bộ nhớ của máy là gì? C ++ 11 có một ngữ nghĩa bộ nhớ được xác định rất rõ, đặt ra các hạn chế đối với một số tối ưu hóa trong một số trường hợp, nhưng cho phép tối ưu hóa trong các trường hợp khác. Nếu bạn đang biên dịch một ngôn ngữ không có ngữ nghĩa bộ nhớ được xác định rõ (như mọi phiên bản C / C ++ trước C ++ 11 và nhiều ngôn ngữ bắt buộc khác) thì bạn sẽ phải phát minh ra ngữ nghĩa bộ nhớ khi bạn đi cùng và thường bạn sẽ muốn phát minh ra ngữ nghĩa bộ nhớ phù hợp nhất với ngữ nghĩa máy của bạn.