關(guān)于編程語言的思考—編譯型和解釋型
我們知道，任何編程語言編寫的程序歸根到底都是由底層機(jī)器的機(jī)器代碼(01序列)執(zhí)行的，無論是編譯型語言還是解釋型語言。而任何高級(jí)編程語言程序的源代碼都是一個(gè)字符序列，這個(gè)字符序列到底層的01序列是通過編譯器或解析器經(jīng)過多次轉(zhuǎn)換完成的。
圖1 編程語言的層次結(jié)構(gòu)
這個(gè)層次結(jié)構(gòu)中，從高到低越來越接近于機(jī)器硬件。機(jī)器代碼就是01序列，匯編語言就是描述本地機(jī)器的指令集體系結(jié)構(gòu)，而高級(jí)語言就包含相應(yīng)的數(shù)據(jù)結(jié)構(gòu)和語法結(jié)構(gòu)，更接近人類的語言習(xí)慣。因此，層次越高就越面向于人類。在計(jì)算機(jī)科學(xué)中，CPU被抽象為指令集體系結(jié)構(gòu)，這個(gè)指令集描述了CPU所有完成的所有功能。所有的程序都經(jīng)過編譯或解釋轉(zhuǎn)化為這個(gè)指令集表示的機(jī)器程序。在指令集中指令可以按功能劃分為：
1. 數(shù)據(jù)傳輸指令，用于讀寫內(nèi)存、寄存器。
2. 算術(shù)與邏輯運(yùn)算指令，比如：addl執(zhí)行雙字(32bit)的加法，andl雙字的按位與。
3. 控制流指令，用于實(shí)現(xiàn)高級(jí)編程語言中的分支、循環(huán)等控制結(jié)構(gòu)。
4. 過程調(diào)用指令，用于實(shí)現(xiàn)函數(shù)調(diào)用，分配、恢復(fù)棧幀等操作。
任何程序都需要被轉(zhuǎn)換為某個(gè)指令集的指令序列，比如下列簡(jiǎn)單的求階乘的C程序：
[cpp] view plaincopyprint?int fact_while(int n)
{
int result = 1;
while (n > 1) {
result *= n;
n = n-1;
}
return result;
}
在32bit機(jī)器上，經(jīng)過gcc編譯之后的x86指令序列為：
[plain] view plaincopyprint? movl 8(%ebp), %edx
movl $1, %eax
cmpl $1, %edx
jle .L7
.L10:
imull %edx, %eax
subl $1, %edx
cmpl $1, %edx
jg .L10
.L7:
通過觀察C程序的機(jī)器代碼可以發(fā)現(xiàn)由C程序轉(zhuǎn)化為機(jī)器代碼，主要有數(shù)據(jù)類型和控制結(jié)構(gòu)的轉(zhuǎn)換。下面以x86指令集說明：
1. 數(shù)據(jù)類型的轉(zhuǎn)換：在底層，x86指令對(duì)于數(shù)據(jù)是不區(qū)分邏輯類型的，也就是不分int，float，double。所有的數(shù)據(jù)按照其所占的字節(jié)數(shù)被歸類為字(16個(gè)字節(jié)，Word)、雙字(32個(gè)字節(jié)，Double Words)、四字(64個(gè)字節(jié)，Quad Words)。一個(gè)指令操作的數(shù)據(jù)類型是由這個(gè)指令的后綴表示的，比如mov指令，movw操作字，movl操作雙字。也就是說高級(jí)語言的程序中的不同數(shù)據(jù)類型反映到底層指令集上主要體現(xiàn)是指令的不同。比如，將上述C程序中的result類型改為short，在相應(yīng)的匯編代碼中的mov指令會(huì)由movl轉(zhuǎn)換為movw。當(dāng)然，還有一個(gè)問題就是C語言中的具體數(shù)據(jù)類型，在機(jī)器代碼中是如何存儲(chǔ)表示的。這應(yīng)該是gcc編譯器的職責(zé)，比如對(duì)于int，首先gcc需要知道底層指令集如何編碼int，采用什么編碼方式，字節(jié)順序是Big-endian還是Little-endian等。在知道底層的實(shí)現(xiàn)方式后gcc才能將表示整型數(shù)字的字符串編碼為相應(yīng)的二進(jìn)制形式。而對(duì)于數(shù)組、struct和union這些數(shù)據(jù)結(jié)構(gòu)會(huì)轉(zhuǎn)化為相應(yīng)的內(nèi)存地址加偏移量的形式。
2. 控制結(jié)構(gòu)的轉(zhuǎn)換：控制結(jié)構(gòu)就是執(zhí)行指令的流程。在x86中，所有的指令集都是順序執(zhí)行。要實(shí)現(xiàn)分支、循環(huán)等結(jié)構(gòu)，必須具備go形式的跳轉(zhuǎn)指令，以及相應(yīng)的條件判斷指令。CPU中有一組條件碼寄存器，指示算術(shù)或邏輯運(yùn)算的狀態(tài)(計(jì)算結(jié)果是否溢出、為0或者是負(fù)數(shù)等)。執(zhí)行條件運(yùn)算指令可以測(cè)試一個(gè)條件，比如"cmpl $1, %edx"比較直接數(shù)1與寄存器%edx中存放的數(shù)的大小，并將結(jié)果存入條件碼寄存器中。接下來執(zhí)行條件跳轉(zhuǎn)指令，根據(jù)條件碼寄存器中的狀態(tài)進(jìn)行判斷是否進(jìn)行跳轉(zhuǎn)。比如“jg .L10”是在前一條的cmpl指令結(jié)果返回大于的情況跳轉(zhuǎn)到L10，否則執(zhí)行下一條指令。
當(dāng)然，在進(jìn)行函數(shù)調(diào)用時(shí)，還要在底層用機(jī)器碼對(duì)其進(jìn)行描述。我們知道，計(jì)算機(jī)科學(xué)中用棧來實(shí)現(xiàn)函數(shù)的調(diào)用(叫做調(diào)用棧)，棧中存放棧幀。每一次函數(shù)調(diào)用對(duì)應(yīng)一個(gè)棧幀，棧幀中包含該方法的局部變量、保存的寄存器值等數(shù)據(jù)。這樣函數(shù)的調(diào)用和返回就對(duì)應(yīng)著棧幀的入棧和出棧。CPU的寄存器組中，有兩個(gè)專門用于實(shí)現(xiàn)方法調(diào)用，分別是%esp和%ebp。%esp是棧指針寄存器，存放當(dāng)前函數(shù)棧棧頂?shù)膬?nèi)存地址。%ebp是幀指針寄存器，在%esp和%ebp之間的內(nèi)存地址序列就對(duì)應(yīng)于當(dāng)前函數(shù)的棧幀。由于函數(shù)調(diào)用、返回與棧幀的關(guān)系很密切，所以可以將以此函數(shù)調(diào)用過程描述為：
1. 初始化被調(diào)用函數(shù)的棧幀，并將其入棧。也就是調(diào)用函數(shù)過程，通過call指令實(shí)現(xiàn)。
2. 執(zhí)行被調(diào)用函數(shù)。
3. 恢復(fù)調(diào)用函數(shù)的棧幀，將被調(diào)用函數(shù)的棧幀出棧。也就是函數(shù)返回的過程，通過ret指令實(shí)現(xiàn)。
對(duì)于初始化、恢復(fù)棧幀實(shí)際上都是%esp和%ebp的調(diào)整，還要包括傳參和返回值的問題，這些都是由編譯器實(shí)現(xiàn)的。
上面介紹了C語言和機(jī)器語言的關(guān)系，下面看一下其他類型語言的實(shí)現(xiàn)機(jī)制。首先，我們可以把編程語言分為編譯型語言、解釋型語言和虛擬機(jī)語言。編譯型語言直接被編譯成本地機(jī)器代碼，比如C、C++。解釋型語言是通過解釋器執(zhí)行，比如javascript、shell、python等。虛擬機(jī)語言運(yùn)行在虛擬機(jī)上，需要被編譯成虛擬機(jī)代碼，由虛擬機(jī)執(zhí)行，比如java。雖然python也有自己的虛擬機(jī)，但是不需要編譯，所以把它歸類為解釋型語言。
圖2 編程語言實(shí)現(xiàn)結(jié)構(gòu)
通過上文的分析、我們知道對(duì)于一門語言最重要的是數(shù)據(jù)類型、控制結(jié)構(gòu)和語法結(jié)構(gòu)以及系統(tǒng)調(diào)用。從上圖可以看出，C和C++更接近于底層硬件，但是不能像匯編語言一樣可以直接訪問寄存器等硬件。而python和java相對(duì)于C和C++的抽象層次又高了一層，它們不能通過指針直接訪問內(nèi)存。從機(jī)器語言->匯編語言->系統(tǒng)語言(C和C++)->解釋型語言(python)和虛擬機(jī)語言(java)，抽象層次越來越高，越貼近于人的思維，不需要考慮那么多細(xì)節(jié);同時(shí)，程序員的自由度和程序的運(yùn)行速度越來越低。下面從低向高j討論一下。
在底層，匯編語言會(huì)經(jīng)過匯編器轉(zhuǎn)換為機(jī)器代碼。比如，通過gcc編譯C程序時(shí)，會(huì)調(diào)用匯編器進(jìn)行匯編。通過匯編器和匯編語言這一層次，可以很好的隔離底層機(jī)器硬件的實(shí)現(xiàn)細(xì)節(jié)。不同的處理器具有與之對(duì)應(yīng)的匯編器，將匯編語言匯編成該處理器支持的指令集。這樣就是實(shí)現(xiàn)了匯編語言這一層的移植性。
在C和C++系統(tǒng)編程語言這一層，會(huì)通過編譯器完成語言元素到匯編語言的映射。比如前文描述的，數(shù)據(jù)類型、控制結(jié)構(gòu)、函數(shù)調(diào)用等結(jié)構(gòu)的轉(zhuǎn)換。
python是解釋型語言，它通過python解釋器實(shí)現(xiàn)向底層語言的映射。我們知道python虛擬機(jī)是由C語言編寫的，所以python程序會(huì)轉(zhuǎn)化為C程序而執(zhí)行。比如，python中的所有對(duì)象都會(huì)在C中有對(duì)應(yīng)的PyObject結(jié)構(gòu)體。python的list、dict等數(shù)據(jù)類型也要在C中有對(duì)應(yīng)的表示。而像生成器、迭代器等語法結(jié)構(gòu)需要相應(yīng)的支持。
而虛擬機(jī)是模擬一個(gè)指令集的程序，所以它自身有一套獨(dú)立于具體硬件、操作系統(tǒng)的指令集。需要通過底層語言實(shí)現(xiàn)這套指令集。虛擬機(jī)本身也有自己的數(shù)據(jù)類型系統(tǒng)、語言結(jié)構(gòu)等。比如，java虛擬機(jī)上支持的數(shù)據(jù)類型有基本數(shù)據(jù)類型和引用類型，也支持tableswitch和lookupswitch等實(shí)現(xiàn)switch語法結(jié)構(gòu)的字節(jié)碼指令。對(duì)于這些語言元素映射到底層語言的實(shí)現(xiàn)方式可以不同的方式。首先是解釋器模式轉(zhuǎn)化為C++，還有就是JIT直接編譯成本地機(jī)器代碼。
像java這樣的虛擬機(jī)語言會(huì)被編譯器編譯成虛擬機(jī)本地的機(jī)器代碼，然后再虛擬機(jī)上執(zhí)行，這里就需要向javac編譯器實(shí)現(xiàn)java語言的數(shù)據(jù)類型、語言結(jié)構(gòu)和java虛擬機(jī)上的數(shù)據(jù)類型、語法結(jié)構(gòu)的映射。
通過談?wù)，可以看出編譯器和解釋器以及虛擬機(jī)在編程語言中的重要性，它們都是編程語言可以在計(jì)算機(jī)上運(yùn)行的基石。一門編程語言的編譯器、解釋器或者虛擬機(jī)可以很大程度上影響這門語言的執(zhí)行效率。因?yàn)樗鼈冊(cè)谶M(jìn)行語言轉(zhuǎn)換時(shí)會(huì)進(jìn)行很多的優(yōu)化以提高執(zhí)行效率。這也是為什么JVM上有那么多優(yōu)秀的語言，因?yàn)镴VM很強(qiáng)大。所以，要深入語言的底層，要學(xué)會(huì)編譯器、解釋器和虛擬機(jī)的實(shí)現(xiàn)，這方面還需要下功夫啊。
編輯：admin 最后修改時(shí)間：2018-05-19
