Go 编译器内核:给 Go 新增一个语句 —— 第一部分
Posted 亚军进化史
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Go 编译器内核:给 Go 新增一个语句 —— 第一部分相关的知识,希望对你有一定的参考价值。
这是两部分系列文章中的第一部分,该文章采用教程的方式来探讨 Go 编译器。Go 编译器复杂而庞大,需要一本书才可能描述清楚,所以这个系列文章旨在提供一个快速而深度优先的方式进入学习。我计划在以后会写更多关于编译器领域的描述文章。
我们会修改 Go 编译器来增加一个新的(玩具性质)语言特性,并构建一个经过修改的编译器进行使用。
任务 —— 增加新的语句
很多语言都有 while
语句,在 Go 中对应的是 for
:
for <some-condition> {
<loop body>
}
增加 while
语句是比较简单的,因此 —— 我们只需简单将其转换为 for
语句。所以我选择了一个稍微有点挑战性的任务,增加 until
。until
语句和 while
语句是一样的,只是有了条件判断。例如下面的代码:
i := 4
until i == 0 {
i--
fmt.Println("Hello, until!")
}
等价于:
i := 4
for i != 0 {
i--
fmt.Println("Hello, until!")
}
事实上,我们甚至可以像下面代码一样,在循环声明中使用一个初始化语句:
until i := 4; i == 0 {
i--
fmt.Println("Hello, until!")
}
我们的目标是支持这个特性。
特别声明 —— 这只是一个玩具性的探索。我觉得在 Go 中添加 until
并不好,因为 Go 的极简主义设计思想本身就是非常正确的理念。
Go 编译器的高级结构
默认情况下,Go 编译器(gc
)是以相当传统的结构来设计的,如果你使用过其他编译器,你应该很快就能熟悉它:
Go 仓库中相对路径的根目录下,编译器实现位于 src/cmd/compile/internal
;本文后续提到的所有代码路径都是相对于这个目录。编译器是用 Go 编写的,代码可读性很强。在这篇文章中,我们将一点一点的研究这些代码,同时添加支持 until
语句的实现代码.
查看 src/cmd/compile
中的 README
文件,了解编译步骤的详细说明。它将与本文息息相关。
扫描
扫描器(也称为 词法分析器)将源码文本分解为编译器所需的离散实体。例如 for
关键字会转变成常量 _For
;符号 ...
转变成 _DotDotDot
,.
将转变成 _Dot
等等。
扫描器的实现位于 syntax
包中。我们需要做的就是理解关键字 —— until
。syntax/tokens.go
文件中列出了所有 token,我们要添加一个新的:
_Fallthrough // fallthrough
_For // for
_Until // until
_Func // func
token 常量右侧的注释非常重要,它们用来标识 token。这是通过 syntax/tokens.go
生成代码来实现的,文件上面的 token 列表有如下这一行:
//go:generate stringer -type token -linecomment
go generate
必须手动执行,输出文件(syntax/token_string.go
)被保存在 Go 源码仓库中。为了重新生成它,我在 syntax
目录中执行如下命令:
GOROOT=<src checkout> Go generate tokens.go
环境变量 GOROOT
是从 Go 1.12 开始必须设置[1],并且必须指向检出的源码根目录,我们要修改这个编译器。
运行代码生成器并验证包含新的 token 的 syntax/token_string.go
文件,我试着重新编译编译器,却出现了 panic 提示:
panic: imperfect hash
这个 panic 是 syntax/scanner.go
中代码引起的:
// hash 是针对关键词的完美哈希函数
// 它假定参数 s 的长度至少为 2
func hash(s []byte) uint {
return (uint(s[0])<<4 ^ uint(s[1]) + uint(len(s))) & uint(len(keywordMap)-1)
}
var keywordMap [1 << 6]token // 大小必须是 2 的整数倍(2 的整数次幂)
func init() {
// 填充 keywordMap
for tok := _Break; tok <= _Var; tok++ {
h := hash([]byte(tok.String()))
if keywordMap[h] != 0 {
panic("imperfect hash")
}
keywordMap[h] = tok
}
}
编译器试图构建一个“完美”哈希表来执行关键字字符串到 token 的查询。“完美”意味着它不太可能发生冲突,是一个线性的数组,其中每个关键字都映射为一个单独的索引。哈希函数相当特殊(例如,它查看字符串 token 的第一个字符),并且不容易调试新 token 为何出现冲突等问题。为了解决这个问题,我将查找表的大小更改为 [1 << 7]token
,从而将查找数组的大小从 64 改成 128。这给予哈希函数更多的空间来分配对应的键,冲突也就消失了。
解析
Go 有一个相当标准的递归下降算法的解析器,它把扫描生成的 token 流转换为 具体语法树。我们开始为 syntax/nodes.go
中的 until
添加新的节点类型:
UntilStmt struct {
Init SimpleStmt
Cond Expr
Body *BlockStmt
stmt
}
我借鉴了用于 for
循环的 ForStmt
的整体结构。类似于 for
,until
语句有几个可选的子语句:
until <init>; <cond> {
<body>
}
<init>
和 <cond>
是可选的,不过省略 <cond>
也不是很常见。UntilStmt.stmt
中嵌入的字段用于表示整个语法树语句,并包含对应的位置信息。
解析过程在 syntax/parser.go
中实现。parser.stmtOrNil
方法解析当前位置的语句。它查看当前 token 并决定解析哪个语句。下方是添加的代码片段:
switch p.tok {
case _Lbrace:
return p.blockStmt("")
// ...
case _For:
return p.forStmt()
case _Until:
return p.untilStmt()
And this is untilStmt
:
func (p *parser) untilStmt() Stmt {
if trace {
defer p.trace("untilStmt")()
}
s := new(UntilStmt)
s.pos = p.pos()
s.Init, s.Cond, _ = p.header(_Until)
s.Body = p.blockStmt("until clause")
return s
}
我们复用现有的 parser.header
方法,因为它解析了 if
和 for
语句对应的 header。在常用的形式中,它支持三个部分(分号分隔)。在 for
语句中,第三部分常被用于 ["post" 语句](https://golang.org/ref/spec#PostStmt ""post" 语句"),但我们不打算为 until
实现这种形式,而只需实现前两部分。注意 header
接收源 token,以便能够区分 header
所处的具体场景;例如,编译器会拒绝 if
的“post”语句。虽然现在还没有费力气实现“post”语句,但我们在 until
的场景中应该明确地拒绝“post”语句。
这些都是我们需要对解析器进行的修改。因为 until
语句在结构上跟现有的一些语句非常相似,所以我们可以复用已有的大部分功能。
假如在编译器解析后输出语法树(使用 syntax.Fdump
)然后使用语法树:
i = 4
until i == 0 {
i--
fmt.Println("Hello, until!")
}
我们会得到 until
语句的相关片段:
84 . . . . . 3: *syntax.UntilStmt {
85 . . . . . . Init: nil
86 . . . . . . Cond: *syntax.Operation {
87 . . . . . . . Op: ==
88 . . . . . . . X: i @ ./useuntil.go:13:8
89 . . . . . . . Y: *syntax.BasicLit {
90 . . . . . . . . Value: "0"
91 . . . . . . . . Kind: 0
92 . . . . . . . }
93 . . . . . . }
94 . . . . . . Body: *syntax.BlockStmt {
95 . . . . . . . List: []syntax.Stmt (2 entries) {
96 . . . . . . . . 0: *syntax.AssignStmt {
97 . . . . . . . . . Op: -
98 . . . . . . . . . Lhs: i @ ./useuntil.go:14:3
99 . . . . . . . . . Rhs: *(Node @ 52)
100 . . . . . . . . }
101 . . . . . . . . 1: *syntax.ExprStmt {
102 . . . . . . . . . X: *syntax.CallExpr {
103 . . . . . . . . . . Fun: *syntax.SelectorExpr {
104 . . . . . . . . . . . X: fmt @ ./useuntil.go:15:3
105 . . . . . . . . . . . Sel: Println @ ./useuntil.go:15:7
106 . . . . . . . . . . }
107 . . . . . . . . . . ArgList: []syntax.Expr (1 entries) {
108 . . . . . . . . . . . 0: *syntax.BasicLit {
109 . . . . . . . . . . . . Value: "\"Hello, until!\""
110 . . . . . . . . . . . . Kind: 4
111 . . . . . . . . . . . }
112 . . . . . . . . . . }
113 . . . . . . . . . . HasDots: false
114 . . . . . . . . . }
115 . . . . . . . . }
116 . . . . . . . }
117 . . . . . . . Rbrace: syntax.Pos {}
118 . . . . . . }
119 . . . . . }
创建 AST
由于有了源代码的语法树表示,编译器才能构建一个抽象语法树。我曾写过关于抽象 vs 具体语法树[2]的文章 —— 如果你不熟悉他们之间的区别,可以好好看看这个文章。在 Go 中,未来可能会有所变动。Go 编译器最初是用 C 语言编写的,后来自动翻译成 Go;所以编译器的某些部分是 C 时期遗留下来的,有些部分是比较新的。未来的重构可能只会留下一种语法树,但是现在(Go 1.12)我们必须遵循这个流程。
AST 代码位于 gc
包中,节点类型在 gc/syntax.go
中定义。(不要跟 syntax
包中的 CST 混淆)
Go AST 的结构与 CST 不同。所有的 AST 节点都是 syntax.Node
类型而非有各自的类型。syntax.Node
类型是一种 可区分的联合体,其中的字段有很多不同的类型。然而,这些字段是通用的,并且可用于大多数节点类型:
// 一个 Node 代表语法树中的单个节点
// 实际上,因为只有一个,所以语法树就是一个语法 DAG
// 对于一个给定的变量,使用 Op=ONAME 作为节点
// Op=OTYPE、Op=OLITERAL 也是这样,参考 Node.mayBeShared
type Node struct {
// 树结构
// 普通的递归遍历应该包含以下字段
Left *Node
Right *Node
Ninit Nodes
Nbody Nodes
List Nodes
Rlist Nodes
// ...
我们以增加一个新的常量标识 until
节点作为开始:
// 语句
// ...
OFALL // fallthrough
OFOR // for Ninit; Left; Right { Nbody }
OUNTIL // until Ninit; Left { Nbody }
我们再运行一下 go generate
,这次在 gc/syntax.go
文件中,生成了一个代表新节点类型的字符串:
// 在 gc 的目录中
GOROOT=<src checkout> Go generate syntax.go
应该更新 gc/op_string.go
文件使其包含 OUNTIL
。现在是时候为新节点类型编写 CST->AST 的转换代码了。
转换是在 gc/noder.go
中实现的。我们基于现有的 for
语句支持,对 until
修改建模,从包含一个分支语句类型的 stmtFall
开始:
case *syntax.ForStmt:
return p.forStmt(stmt)
case *syntax.UntilStmt:
return p.untilStmt(stmt)
然后是新的 untilStmt
方法,我们将其添加到 noder
类型上:
// untilStmt 把具体语法树节点 UntilStmt 转换为对应的 AST 节点
func (p *noder) untilStmt(stmt *syntax.UntilStmt) *Node {
p.openScope(stmt.Pos())
var n *Node
n = p.nod(stmt, OUNTIL, nil, nil)
if stmt.Init != nil {
n.Ninit.Set1(p.stmt(stmt.Init))
}
if stmt.Cond != nil {
n.Left = p.expr(stmt.Cond)
}
n.Nbody.Set(p.blockStmt(stmt.Body))
p.closeAnotherScope()
return n
}
回想一下上面解释过的 Node
字段。这里我们使用 Init
作为可选的初始化操作,Left
字段作用于条件,Nbody
字段作用于循环体。
这就是新增 until
语句 AST 节点所需的全部内容。如果在构建后输出 AST,将得到以下这些:
. . UNTIL l(13)
. . . EQ l(13)
. . . . NAME-main.i a(true) g(1) l(6) x(0) class(PAUTO)
. . . . LITERAL-0 l(13) untyped number
. . UNTIL-body
. . . ASOP-SUB l(14) implicit(true)
. . . . NAME-main.i a(true) g(1) l(6) x(0) class(PAUTO)
. . . . LITERAL-1 l(14) untyped number
. . . CALL l(15)
. . . . NONAME-fmt.Println a(true) x(0) fmt.Println
. . . CALL-list
. . . . LITERAL-"Hello, until!" l(15) untyped string
类型检查
编译的下一步是类型检查,这是在 AST 的基础上完成的。除了检查类型错误外,Go 中的类型检查还包括 类型推导,类型推导可以让我们编写如下语句:
res, err := func(args)
无需显示的声明 res
和 err
的类型。Go 类型检查器还会做一些其它事情,比如链接标识符到对应的声明上,和计算“编译时”常量。代码在 gc/typecheck.go
文件中。同样,在 for
语句的引导下,我们把这个子句添加到 typecheck
的分支中:
case OUNTIL:
ok |= ctxStmt
typecheckslice(n.Ninit.Slice(), ctxStmt)
decldepth++
n.Left = typecheck(n.Left, ctxExpr)
n.Left = defaultlit(n.Left, nil)
if n.Left != nil {
t := n.Left.Type
if t != nil && !t.IsBoolean() {
yyerror("non-bool %L used as for condition", n.Left)
}
}
typecheckslice(n.Nbody.Slice(), ctxStmt)
decldepth--
只有一部分的语句分配了类型,并且在布尔上下文中检查条件是否合法。
分析并重写 AST
在类型检查后,编译器会经历 AST 分析和重写等几个阶段。具体的序列在 gc/main.go
文件的 gc.Main
函数中列出。在编译器术语中,这个阶段通常称为 passes。
很多 passes 中无需修改就能支持 until
,因为这些 passes 对所有类型语句都是通用的(在这里通用的 gc.Node
结构也有效)。然而,只是有些场景是这样。比如逃逸分析中,它试图找到那些变量“逃离”函数作用域,并分配在堆上而非栈空间。
“逃逸分析”适用于每个语句类型,所以我们必须把它加在 Escape.stmt
对应的分支中:
case OUNTIL:
e.loopDepth++
e.discard(n.Left)
e.stmts(n.Nbody)
e.loopDepth--
最后,gc.Main
可以调用可移植的代码生成器(gc/pgen.go
)来编译分析代码。代码生成器首先进行一系列 AST 转换,将 AST 维度降低便于编译。这是在先调用 order
的 compile
函数中完成的。
这个转换(在 gc/order.go
中)对语句和表达式重新排序,以强制执行计算标识符顺序。比如,把 foo /= 10
重写为 foo = foo / 10
,用多个单赋值语句替换多赋值语句等等。
为了支持 until
语句,我们需要向 Order.stmt
增加以下内容:
case OUNTIL:
t := o.markTemp()
n.Left = o.exprInPlace(n.Left)
n.Nbody.Prepend(o.cleanTempNoPop(t)...)
orderBlock(&n.Nbody, o.free)
o.out = append(o.out, n)
o.cleanTemp(t)
在 order
、compile
调用位于 gc/walk.go
中的 walk
后。这个传递过程收集了一系列 AST 转换,这些语句在后面有助于降低 AST 的维度成为 SSA。比如,在 for 循环中重写 range 语句,转变成更为简单的、有具体变量的 for 循环的形式 \[1\][3]。运行时重写调用 map 的访问方式[4]等等。
为了支持 walk
中的新语句,我们必须在 walkstmt
函数中添加一个 switch 子句。顺便说一下,这也是我们实现 until
语句要修改的地方,主要是将它重写为编译器能识别的 AST 节点。在 until
的例子中,这比较简单 —— 如文章开头所示,我们只是用倒装条件将它重写为一个 for
循环。具体转换代码如下:
case OUNTIL:
if n.Left != nil {
walkstmtlist(n.Left.Ninit.Slice())
init := n.Left.Ninit
n.Left.Ninit.Set(nil)
n.Left = nod(ONOT, walkexpr(n.Left, &init), nil)
n.Left = addinit(n.Left, init.Slice())
n.Op = OFOR
}
walkstmtlist(n.Nbody.Slice())
注意我们替换了 n.Left(条件),它带有类型为 ONOT 的新节点(它代表一元操作符 !),新节点包装了之前的 n.Left,然后我们用 OFOR 替换 n.Op。就是这样!
如果在遍历之后输出 AST,我们会看到 OUNTIL 节点不见了,取而代之的是新的 OFOR 节点。
尝试
我们现在可以尝试修改编译器,然后运行一个使用了 until
语句的示例程序,
$ cat useuntil.go
package main
import "fmt"
func main() {
i := 4
until i == 0 {
i--
fmt.Println("Hello, until!")
}
}
$ <src checkout>/bin/go run useuntil.go
Hello, until!
Hello, until!
Hello, until!
Hello, until!
成功了!
提醒:<src checkout>
是我们检出的 Go 代码仓库,我们需要修改它、编译它(更多细节参见附录)
结论部分 1
这是结论第一部分。我们成功地在 Go 编译器中实现了新增一个语句。这个过程没有涵盖编译器的所有方面,因为这种通过使用 for
节点的方式重写 until
节点的 AST 方式像是一条捷径。这是一种有效的编译策略,Go 编译器已经有了很多类似的优化手段来 转换 AST(这将减少构成的形式,便于编译的最后阶段做更少的工作)。即便如此,我们仍然有兴趣探索最后两个编译阶段 —— 转换为 SSA 和 生成机器码。这些将在[第 2 部分]((http://eli.thegreenplace.net/2019/go-compiler-internals-adding-a-new-statement-to-go-part-2/ "第 2 部分")) 讨论。
Appendix - 构建 Go 的工具链
请先浏览 Go 贡献指南[5]。下面是类似于本文关于重述修改 Go 编译器的简要说明。
有两种方法:
-
克隆官方的 Go 仓库 [6]并实践本文所描述的内容。 -
克隆官方的 Go 仓库 [7],并检出 adduntil
分支,这个分支中已经有很多基于调试工具的修改。
克隆的路径是本文中 <src checkout>
所表示的路径。
要编译工具链,进入 src/
目录并运行 ./make.bash
。也能通过 ./all.bash
来运行所有的测试用例并构建。运行 make.bash
将调用构建 Go 完整的 3 个引导步骤,这在我的旧机器上大概需要 50 秒时间。
一旦构建完成,工具链安装在 src
同级的 bin
目录中。然后,我们可以通过运行 bin/go
安装 cmd/compile
来快速重新构建编译器。
\[1\][8] Go 有一些特殊的“魔法”、range
子句,比如在字符串上使用 range
子句,把字符串分隔成字符。这个地方就用了“转换”来实现。
如果要评论,请给我发 邮件[9],或者在推特[10]上联系我。
via: https://eli.thegreenplace.net/2019/go-compiler-internals-adding-a-new-statement-to-go-part-1/
本文由 GCTT[14] 原创编译,Go 中文网[15] 荣誉推出
参考资料
从 Go 1.12 开始必须设置: https://github.com/golang/go/issues/32724
[2]抽象 vs 具体语法树: http://eli.thegreenplace.net/2009/02/16/abstract-vs-concrete-syntax-trees
[3][1]: https://eli.thegreenplace.net/2019/go-compiler-internals-adding-a-new-statement-to-go-part-1/#id2
[4]运行时重写调用 map 的访问方式: https://dave.cheney.net/2018/05/29/how-the-go-runtime-implements-maps-efficiently-without-generics
[5]Go 贡献指南: https://golang.org/doc/contribute.html
[6]Go 仓库: https://github.com/golang/go
[7]Go 仓库: https://github.com/golang/go
[8][1]: https://eli.thegreenplace.net/2019/go-compiler-internals-adding-a-new-statement-to-go-part-1/#id1
[9]邮件: eliben@gmail.com
[10]推特: https://twitter.com/elibendersky
[11]Eli Bendersky: https://eli.thegreenplace.net
[12]suhanyujie: https://github.com/suhanyujie
[13]JYSDeveloper: https://github.com/JYSDeveloper
[14]GCTT: https://github.com/studygolang/GCTT
[15]Go 中文网: https://studygolang.com/
推荐阅读
喜欢本文的朋友,欢迎关注“Go语言中文网”:
以上是关于Go 编译器内核:给 Go 新增一个语句 —— 第一部分的主要内容,如果未能解决你的问题,请参考以下文章