为什么objc_msgSend必须用汇编实现

Posted 2020-07-30 小敏的博客

译者前言

 

总是看到有人说用汇编实现objc_msgSend是为了速度快，当然这个不可否认。但是难道没有别的原因？于是就看到了这篇文章，遂翻译之！=。=

 

我自己的理解就是，用汇编实现，是为了应对不同的“Calling convention”，把函数调用前的栈和寄存器的参数、状态设置，交给编译器去处理。

 

先看看原文吧。

 

原作者: Ari Grant

原文链接: Why objc_msgSend Must be Written in Assembly

http://arigrant.com/blog/2014/2/12/why-objcmsgsend-must-be-written-in-assembly

 

开始

 

对于Objective-C来说，调用一个对象实例的方法，也叫作向这个对象实例“发送消息”，而每条“消息”，在编译阶段都会转变为一次对objc_msgSend函数的调用，调用的参数不仅有原本消息的所有参数，还有消息的接收者receiver和对应的方法selector。举个例子，下面的语句：

 

[receiver message:foo beforeDate:bar];

 

将会被编译成：

 

objc_msgSend(receiver, @selector(message:beforeDate:), foo, bar);

 

对于objc_msgSend函数的实现原理，前人已经做了大量的探索。所以，本文将会把重点放在objc_msgSend的一个之前没有太受到关注的点上，那就是：

 

objc_msgSend是不可能用Objective-C、C或者C++实现的。

 

THE RETURN TYPE – 返回类型

 

先看看如下两行代码：

 

NSUInteger n = [array count];

id obj = [array objectAtIndex:6];

 

直观上看，将会被编译成

 

NSUInteger n = objc_msgSend(array,  @selector(count));

id obj = objc_msgSend(array, @selector(objectAtIndex:), 6);

 

但是实际上这是不可能的，因为没有函数可以同时满足这两个调用。而且它的返回值也不能同时是NSUInteger和id。

 

而且，上面的代码也是无法编译通过的。那么，加上类型转换怎么样？

 

NSUInteger n = (NSUInteger (*)(id, SEL))objc_msgSend(array,  @selector(count));

id obj = (id (*)(id, SEL, NSUInteger))objc_msgSend(array, @selector(objectAtIndex:), 6);

 

这下可以编译通过了，虽然看起来不直观。。。

objc_msgSend是一个Public的函数，在里声明，如果你想直接调用它，就必须按照上面的格式加上强制类型转换，要不然是无法编译通过的。但是objc_msgSend到底是如何实现，来支持各种返回类型的？本文后面会讲到。

 

THE IMP – 方法对应的函数指针

 

objc_msgSend函数的本质很简单，传入一个接受者对象实例receiver和方法名selector，它就会按照以下步骤执行：（译者注：只是最粗略的步骤=。=）

 

• 获取receiver得类Class

• 在Class的方法列表method table里面查找对应selector的方法实现

• 找到的话就调用，返回

• 找不到就在其父类中找，重复前面的步骤（直到没有父类为止）

 

整个流程很简单，沿着继承链，向上找到方法selector对应的函数指针即可，也就是IMP。同时，在每层Class中都有缓存，加快后续的方法查找。但是，这也只是objc_msgSend的实现细节，所以，接着往下看。

 

THE ARG TYPES AND COUNT – 参数类型和数量

 

简单来说，当objc_msgSend找到对应的函数指针后，只要用传入的参数调用这个函数即可。剩下来的就是找到一种方法，可以调用任意参数类型、数量的任意函数。

 

参数的数量很容易计算。然后我们可以把所有的参数都放入varargs，然后调用函数时传入即可。但是这样的话，每个Objective-C的方法都必须在其prologue（译者注：函数执行具体的“任务”前，所做的准备环节）里面把所有的参数从varargs里面提取出来。

 

这种把参数打包到varargs里面然后又取出来的办法显然是非常糟糕的，同时也是不必要的。

 

在C语言中，调用一个函数会被编译成对应的汇编语言指令，首先是设置参数（把参数放到寄存器、栈上），然后用如jump或者call的指令，跳到具体的函数代码地址处。如果我们想支持任意类型的函数类型，我们就必须写一个switch语句，把所有的参数组合情况都包含起来，这样才能正确的为任何形式的函数设置参数（译者注：即按照某种“规范”、“约定”，把参数依次存放到“约定”的寄存器、栈上），这显然是没有扩展性的，更是不可能的。

 

UNWINDING THE CALL – 拆解调用

 

objc_msgSend的解决办法，主要依据的是：当objc_msgSend被调用时，所有的参数已经被设置好了。

 

换一种方式来说，就是：在objc_msgSend开始执行时，栈帧（stack frame）的状态、数据，和各个寄存器的组合形式、数据，跟调用具体的函数指针（IMP）时所需的状态、数据，是完全一致的！

 

如下这行代码：

 

id obj = objc_msgSend(array, @selector(objectAtIndex:), 6);

 

在调用objc_msgSend时，需要设置三个参数，分别是被调用方receiver、方法名selector和最后一个整型参数6。这和具体的方法函数IMP的参数顺序、类型是完全一致的，也就是说，调用objc_msgSend前，设置的栈、寄存器的状态、数据正是调用具体的方法函数时需要的状态！

 

所以，当objc_msgSend找到要调用的函数实现IMP后，只需要把所有的对栈、寄存器的操作“倒”回到objc_msgSend执行开始的状态（类似于函数执行完成return返回前，做的“收尾处理”工作一样，即epilogue），直接jump/call到IMP函数指针对应的地址，执行指令即可，因为所有的参数已经被设置好了。

 

同时，当selector对应的IMP执行完成后，返回值也被正确的设置好了（在x86平台上，返回值被设置到了指定的寄存器eax/rax里，在arm上，则是r0寄存器），所以，我们也不必担心前文提到的不同类型的返回值问题了。

 

WRAP UP – 总结

 

把上面提到的所有解释综合起来，就是：在C语言里面调用函数，必须在编译时就知道调用的“状态”；而这些“状态”在运行时是无法得出或正确处理的，所以必须往底层走，用汇编处理。（译者注：这里不知道咋翻译好=。=，原文是：calling a function in C requires the signature to be known for each call-site at compile-time；doing so at run-time is not possible and so one must drop down into assembly and party there instead.）

 

UPDATE – 后续

 

有人指出objc_msgSend有可能是用GCC的扩展方法__builtin_apply_args，__builtin_apply，和__builtin_return实现的。这也正指出了一个事实，就是这些builtins方法是非常有必要的，因为单靠语言本身无法实现这些功能。实现objc_msgSend所需要的技巧，也正是实现这些builtins方法所需要的技巧。本文的目的并不是非要将什么是真正的C、什么不是真正的C分个清楚，只是为了指出objc_msgSend特殊罢了。

 

译者总结

 

开头也说了，我的理解是：用汇编实现，是为了应对不同的“Calling convention”，把函数调用前的栈和寄存器的参数、状态设置，交给编译器去处理。

 

嗯，以后不要再说用汇编实现只是为了快了=。=