關于編程語言的思考—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器的機器代碼(01序列)執(zhí)行的，無論是編譯型語言還是解釋型語言。而任何高級編程語言程序的源代碼都是一個字符序列，這個字符序列到底層的01序列是通過編譯器或解析器經(jīng)過多次轉換完成的。
圖1 編程語言的層次結構
這個層次結構中，從高到低越來越接近于機器硬件。機器代碼就是01序列，匯編語言就是描述本地機器的指令集體系結構，而高級語言就包含相應的數(shù)據(jù)結構和語法結構，更接近人類的語言習慣。因此，層次越高就越面向于人類。在計算機科學中，CPU被抽象為指令集體系結構，這個指令集描述了CPU所有完成的所有功能。所有的程序都經(jīng)過編譯或解釋轉化為這個指令集表示的機器程序。在指令集中指令可以按功能劃分為：
1. 數(shù)據(jù)傳輸指令，用于讀寫內存、寄存器。
2. 算術與邏輯運算指令，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，用于實現(xiàn)高級編程語言中的分支、循環(huán)等控制結構。
4. 過程調用指令，用于實現(xiàn)函數(shù)調用，分配、恢復棧幀等操作。
任何程序都需要被轉換為某個指令集的指令序列，比如下列簡單的求階乘的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程序的機器代碼可以發(fā)現(xiàn)由C程序轉化為機器代碼，主要有數(shù)據(jù)類型和控制結構的轉換。下面以x86指令集說明：
1. 數(shù)據(jù)類型的轉換：在底層，x86指令對于數(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個字節(jié)，Word)、雙字(32個字節(jié)，Double Words)、四字(64個字節(jié)，Quad Words)。一個指令操作的數(shù)據(jù)類型是由這個指令的后綴表示的，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，在相應的匯編代碼中的mov指令會由movl轉換為movw。當然，還有一個問題就是C語言中的具體數(shù)據(jù)類型，在機器代碼中是如何存儲表示的。這應該是gcc編譯器的職責，比如對于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的二進制形式。而對于數(shù)組、struct和union這些數(shù)據(jù)結構會轉化為相應的內存地址加偏移量的形式。
2. 控制結構的轉換：控制結構就是執(zhí)行指令的流程。在x86中，所有的指令集都是順序執(zhí)行。要實現(xiàn)分支、循環(huán)等結構，必須具備go形式的跳轉指令，以及相應的條件判斷指令。CPU中有一組條件碼寄存器，指示算術或邏輯運算的狀態(tài)(計算結果是否溢出、為0或者是負數(shù)等)。執(zhí)行條件運算指令可以測試一個條件，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，并將結果存入條件碼寄存器中。接下來執(zhí)行條件跳轉指令，根據(jù)條件碼寄存器中的狀態(tài)進行判斷是否進行跳轉。比如“jg .L10”是在前一條的cmpl指令結果返回大于的情況跳轉到L10，否則執(zhí)行下一條指令。
當然，在進行函數(shù)調用時，還要在底層用機器碼對其進行描述。我們知道，計算機科學中用棧來實現(xiàn)函數(shù)的調用(叫做調用棧)，棧中存放棧幀。每一次函數(shù)調用對應一個棧幀，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)的調用和返回就對應著棧幀的入棧和出棧。CPU的寄存器組中，有兩個專門用于實現(xiàn)方法調用，分別是%esp和%ebp。%esp是棧指針寄存器，存放當前函數(shù)棧棧頂?shù)膬却娴刂贰?ebp是幀指針寄存器，在%esp和%ebp之間的內存地址序列就對應于當前函數(shù)的棧幀。由于函數(shù)調用、返回與棧幀的關系很密切，所以可以將以此函數(shù)調用過程描述為：
1. 初始化被調用函數(shù)的棧幀，并將其入棧。也就是調用函數(shù)過程，通過call指令實現(xiàn)。
2. 執(zhí)行被調用函數(shù)。
3. 恢復調用函數(shù)的棧幀，將被調用函數(shù)的棧幀出棧。也就是函數(shù)返回的過程，通過ret指令實現(xiàn)。
對于初始化、恢復棧幀實際上都是%esp和%ebp的調整，還要包括傳參和返回值的問題，這些都是由編譯器實現(xiàn)的。
上面介紹了C語言和機器語言的關系，下面看一下其他類型語言的實現(xiàn)機制。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語言。編譯型語言直接被編譯成本地機器代碼，比如C、C++。解釋型語言是通過解釋器執(zhí)行，比如javascript、shell、python等。虛擬機語言運行在虛擬機上，需要被編譯成虛擬機代碼，由虛擬機執(zhí)行，比如java。雖然python也有自己的虛擬機，但是不需要編譯，所以把它歸類為解釋型語言。
圖2 編程語言實現(xiàn)結構
通過上文的分析、我們知道對于一門語言最重要的是數(shù)據(jù)類型、控制結構和語法結構以及系統(tǒng)調用。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存。從機器語言->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節(jié);同時，程序員的自由度和程序的運行速度越來越低。下面從低向高j討論一下。
在底層，匯編語言會經(jīng)過匯編器轉換為機器代碼。比如，通過gcc編譯C程序時，會調用匯編器進行匯編。通過匯編器和匯編語言這一層次，可以很好的隔離底層機器硬件的實現(xiàn)細節(jié)。不同的處理器具有與之對應的匯編器，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、控制結構、函數(shù)調用等結構的轉換。
python是解釋型語言，它通過python解釋器實現(xiàn)向底層語言的映射。我們知道python虛擬機是由C語言編寫的，所以python程序會轉化為C程序而執(zhí)行。比如，python中的所有對象都會在C中有對應的PyObject結構體。python的list、dict等數(shù)據(jù)類型也要在C中有對應的表示。而像生成器、迭代器等語法結構需要相應的支持。
而虛擬機是模擬一個指令集的程序，所以它自身有一套獨立于具體硬件、操作系統(tǒng)的指令集。需要通過底層語言實現(xiàn)這套指令集。虛擬機本身也有自己的數(shù)據(jù)類型系統(tǒng)、語言結構等。比如，java虛擬機上支持的數(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等實現(xiàn)switch語法結構的字節(jié)碼指令。對于這些語言元素映射到底層語言的實現(xiàn)方式可以不同的方式。首先是解釋器模式轉化為C++，還有就是JIT直接編譯成本地機器代碼。
像java這樣的虛擬機語言會被編譯器編譯成虛擬機本地的機器代碼，然后再虛擬機上執(zhí)行，這里就需要向javac編譯器實現(xiàn)java語言的數(shù)據(jù)類型、語言結構和java虛擬機上的數(shù)據(jù)類型、語法結構的映射。
通過談論，可以看出編譯器和解釋器以及虛擬機在編程語言中的重要性，它們都是編程語言可以在計算機上運行的基石。一門編程語言的編譯器、解釋器或者虛擬機可以很大程度上影響這門語言的執(zhí)行效率。因為它們在進行語言轉換時會進行很多的優(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，因為JVM很強大。所以，要深入語言的底層，要學會編譯器、解釋器和虛擬機的實現(xiàn)，這方面還需要下功夫啊。
編輯：admin 最后修改時間：2018-05-19
