​ llvm，全称Low-Level Virtual Machine，顾名思义，就是“底层虚拟机”。作为一个功能完备的编程语言后端，已经被clang、ghc等编译器支持（其实clang是完全依赖于llvm的）。通过一套LLVM IR中间字节码/语言，前端和后端（以及优化器/JIT等中间件）得以共享一套简洁易用的表示。

​ 关于llvm的架构以及与传统编译系统的区别，这里有一篇非常好的文章。我在此也不多做阐述了。

安装

​ 因为这里没有需求，我并没有下载llvm的源码进行编译，仅仅只是把相关的软件包和工具集进行了安装。

​ 体验llvm，最直接的方式就是先安装clang（这也是官网上推荐的方式 :wink: ）

1
sudo apt install clang

​ clang和gcc的用法差别不大，对应的也有支持C++的clang++。

​ 写一个测试程序

1
2
3
4
5
6
7
8
9
#include <stdio.h>

int main(int argc,char ** argv) {
        int a, b, c;
        scanf("%d%d", &a, &b);
        c = a + b;
        printf("%d + %d = %d\n", a, b, c);
        return 0;
}

​ 用clang编译

1
2
3
4
phosphorus15@ubuntu:~/ir$ clang aplusb.c -o aplusb.bin
phosphorus15@ubuntu:~/ir$ ./aplusb.bin 
3 5
3 + 5 = 8

​ 也是一个挺正常的C编译器嘛。因为clang是用llvm作为后端的，此时系统里其实已经有了很多llvm的相关库了。下面，我们安装llvm主体和主要组件

1
2
sudo apt install llvm-runtime # 运行时
sudo apt install llvm # 编译/优化工具

基本使用

​ 前面提到LLVM IR及其字节码是llvm架构中前后端通用的形式，因为clang是以llvm为后端，不难想见，我们可以让clang生成LLVM IR供我们参考。命令如下：

1
phosphorus15@ubuntu:~/ir$ clang -emit-llvm aplusb.c -c -o aplusb.bc

​ 这样，目录下就多出了一个aplusb.bc，需要注意的是，*.bc文件是已经被编码之后的字节码形式，并不是LLVM IR代码，如果直接查看，是不能看到任何有意义的内容的。

​ 此时，如果file这个生成的*.bc文件，会有如下结果

1
2
phosphorus15@ubuntu:~/ir$ file aplusb.bc
aplusb.bc: LLVM IR bitcode

​ 显示这是一个字节码文件。

​ 和Java虚拟机一样，LLVM也可以直接执行字节码，使用lli命令就能运行一个字节码文件

1
2
3
phosphorus15@ubuntu:~/ir$ lli aplusb.bc
15 27 
15 + 27 = 42

​ 那么，有了字节码文件，如何查看相应的LLVM IR呢？这时就要用到llvm-dis命令，在bash下键入

1
phosphorus15@ubuntu:~/ir$ llvm-dis < aplusb.bc > aplusb.ll

​ 这样，就生成了一个包含LLVM IR的*.ll文件，查看文件，有以下内容：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
; ModuleID = '<stdin>'
target datalayout = "e-m:e-i64:64-f80:128-n8:16:32:64-S128"
target triple = "x86_64-pc-linux-gnu"

@.str = private unnamed_addr constant [5 x i8] c"%d%d\00", align 1
@.str.1 = private unnamed_addr constant [14 x i8] c"%d + %d = %d\0A\00", align 1

; Function Attrs: nounwind uwtable
define i32 @main(i32 %argc, i8** %argv) #0 {
  %1 = alloca i32, align 4
  %2 = alloca i32, align 4
  %3 = alloca i8**, align 8
  %a = alloca i32, align 4
  %b = alloca i32, align 4
  %c = alloca i32, align 4
  store i32 0, i32* %1, align 4
  store i32 %argc, i32* %2, align 4
  store i8** %argv, i8*** %3, align 8
  %4 = call i32 (i8*, ...) @__isoc99_scanf(i8* getelementptr inbounds ([5 x i8], [5 x i8]* @.str, i32 0, i32 0), i32* %a, i32* %b)
  %5 = load i32, i32* %a, align 4
  %6 = load i32, i32* %b, align 4
  %7 = add nsw i32 %5, %6
  store i32 %7, i32* %c, align 4
  %8 = load i32, i32* %a, align 4
  %9 = load i32, i32* %b, align 4
  %10 = load i32, i32* %c, align 4
  %11 = call i32 (i8*, ...) @printf(i8* getelementptr inbounds ([14 x i8], [14 x i8]* @.str.1, i32 0, i32 0), i32 %8, i32 %9, i32 %10)
  ret i32 0
}

declare i32 @__isoc99_scanf(i8*, ...) #1

declare i32 @printf(i8*, ...) #1

attributes #0 = { nounwind uwtable "disable-tail-calls"="false" "less-precise-fpmad"="false" "no-frame-pointer-elim"="true" "no-frame-pointer-elim-non-leaf" "no-infs-fp-math"="false" "no-nans-fp-math"="false" "stack-protector-buffer-size"="8" "target-cpu"="x86-64" "target-features"="+fxsr,+mmx,+sse,+sse2" "unsafe-fp-math"="false" "use-soft-float"="false" }
attributes #1 = { "disable-tail-calls"="false" "less-precise-fpmad"="false" "no-frame-pointer-elim"="true" "no-frame-pointer-elim-non-leaf" "no-infs-fp-math"="false" "no-nans-fp-math"="false" "stack-protector-buffer-size"="8" "target-cpu"="x86-64" "target-features"="+fxsr,+mmx,+sse,+sse2" "unsafe-fp-math"="false" "use-soft-float"="false" }

!llvm.ident = !{!0}

!0 = !{!"clang version 3.8.0-2ubuntu4 (tags/RELEASE_380/final)"}

​ 暂且不关注这些IR内容的意义（其实我写到这里也不太清楚:joy:），先继续看看llvm的其它组件。

​ 既然可以把字节码反编译成IR，那相对的，应该也是可以进行编译的，我们有llvm-as命令进行编译（其实应该叫编码？）操作

1
2
3
4
5
6
7
8
phosphorus15@ubuntu:~/ir$ llvm-as < aplusb.ll > aplusb1.bc
phosphorus15@ubuntu:~/ir$ ls
aplusb1.bc  aplusb.bin  aplusb.ll  test.ll
aplusb.bc   aplusb.c    test.bc    test.s
phosphorus15@ubuntu:~/ir$ md5sum < aplusb.bc
ecfb8b7884fecf9e71c35b6a07afcd0c  -
phosphorus15@ubuntu:~/ir$ md5sum < aplusb1.bc
ecfb8b7884fecf9e71c35b6a07afcd0c  -

​ 可以看到，llvm-as生成的aplusb1.bc字节码和原来的aplusb.bc具有相同的MD5校验和，因此可以初步判断两个文件是完全一致的。

​ 从llvm的机制就知道，到字节码，一切都还没有结束，llc命令可以让我们更进一步，通过IR字节码生成目标平台下的汇编文件。

1
phosphorus15@ubuntu:~/ir$ llc aplusb.bc -o aplusb.s

​ 默认生成的汇编是当前平台的，如果想要生成别的目标平台的汇编文件，修改参数就能很轻易地改变llc的目标平台

1
phosphorus15@ubuntu:~/ir$ llc -march=arm aplusb.bc -o aplusb-arm.s # 生成 arm 平台的汇编

​ 我们可以看看两个文件的main代码段当中一些很明显的对比（其实就是想凑凑字数:smile:）

  • aplusb - x86_64

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    main:                                   # @main
    	.cfi_startproc
    # BB#0:
    	pushq	%rbp
    .Ltmp0:
    	.cfi_def_cfa_offset 16
    .Ltmp1:
    	.cfi_offset %rbp, -16
    	movq	%rsp, %rbp
    .Ltmp2:
    	.cfi_def_cfa_register %rbp
    	subq	$32, %rsp
    	...
    	callq	__isoc99_scanf
    	...
    	movl	$.L.str.1, %edi
    	xorl	%eax, %eax
    	callq	printf
    	...
    	retq

  • aplusb - arm

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    main:                                   @ @main
    	.fnstart
    @ BB#0:
    	push	{r11, lr}
    	mov	r11, sp
    	sub	sp, sp, #32
    	...
    	bl	__isoc99_scanf
    	...
    	str	r3, [sp, #4]
    	bl	printf
    	mov	r0, #0
    	mov	sp, r11
    	pop	{r11, lr}
    	mov	pc, lr
    	.align	2

​ 因为架构的差异，很多指令和操作的实现方式都风格迥异，但由此我们也能从侧面看出llvm的强大能力——把来自不同前端编译器（意味着不同语言、子语言）的IR输出成不同平台的汇编。其弹性和兼容性都是十分可观的。

​ 当得到汇编文件以后，就能够直接进行编译了，可以使用一些常见的汇编器，也可以直接用gcc来完成汇编和链接。

1
2
3
4
phosphorus15@ubuntu:~/ir$ gcc aplusb.s -o aplusb.native
phosphorus15@ubuntu:~/ir$ ./aplusb.native 
233 666
233 + 666 = 899

​ 由此，已经大致介绍完了大部分常用的相关命令，更多内容可以参考官方文档。