基于 LLVM 自制编译器(10)——总结
展望
本章是本系列教程的最后一章。通过本教程，我们实现并扩展 Kaleidoscope 编程语言，使其语言的特性和功能不断增强。
在这个过程中，我们构建了词法分析器、解析器、AST、代码生成器、REPL、JIT，并为可执行文件支持了调试信息。所有的功能仅仅用了 1000 行左右代码就实现了。
我们的语言支持几个有趣的特性，比如：支持自定义的二元运算符和一元运算符，支持 JIT 编译并执行，支持构造控制流等。
本教程的初衷是为了向开发者展示定义、构建、使用语言是如此简单和有趣，编译器的实现也并不是难如登天！现在，我们已经了解了自制编译器的一些基础知识，这里强烈建议开发者能够使用代码对其进行魔改。比如，可以尝试支持以下这些特性：
- 全局变量：虽然全局变量在软件工程中并不是一个非常有价值的特性，但是将它应用于
Kaleidoscope 中，其实是非常有用的。在目前的实现中，我们可以非常容易地为
Kaleidoscope
支持全局变量：只需要在全局变量符号表中查找未解析的变量即可。如果要创建全局变量，请使用
LLVM
GlobalVariable类。 - 类型变量：目前，Kaleidoscope 只支持一种数据类型
double。由于只支持一种类型，因此无需指定变量类型。如果要支持多种数据类型，最简单的方法是要求用户为每个变量定义指定类型，并在符号表中记录变量的类型及其值。 - 数组、结构体、向量：一旦支持了多种类型，我们可以通过各种方式对类型系统进行扩展。对于数组、结构体、向量等类型，其核心是基于
LLVM
getelementptr进行实现。 - 标准运行时：目前，Kaleidoscope
运行用于访问任意外部函数，比如：
printd、putchard等。当我们扩展语言以支持更高级的特性时，可以考虑实现运行时。比如：对于实现哈希表，哈希表底层封装了一系列实现，如果将这些实现内联至代码中，那么每定义一个哈希表会生成底层的实现代码，如果我们将哈希表的底层实现作为一个子程序定义在运行时，那么将会非常具有优化意义。 - 内存管理：目前，Kaleidoscope 只能访问栈内存。如果为
Kaleidoscope 支持通过调用标准的 libc
malloc/free接口或使用垃圾收集器来分配堆内存，那么也能够极大地增强语言的能力。对此，LLVM 是完全支持精准垃圾收集（Accurate Garbage Collection）功能的，包括对象移动、栈扫描与更新等算法。 - 异常处理：LLVM
支持生成零开销异常。此外，我们还可以隐式地使每个函数返回一个错误值并检查，从而生成代码。我们还可以显式地使用
setjmp/longjmp。 - 面向对象、泛型、数据库访问、复数、几何编程...：我们可以为语言扩展任何特性。
- 其他领域：我们可以将 LLVM 应用至很多领域，从而构建特定语言。当然，还有很多其他领域会利用编译相关技术，比如：LLVM 被用于实现 OpenGL图形加速、C++ 代码转换为 ActionScript 等等。甚至，也许你将是第一个使用 LLVM 将正则表达式解释器 JIT 编译成本机代码的人！
LLVM IR 属性
对于 LLVM IR，我们经常会有一些疑问。本章，我们梳理了一些常见的问题，并进行解答。
目标独立
Kaleidoscope 是可移植语言 的一个例子：任何用 Kaleidoscope 编写的程序都可以在它运行的任何目标上以相同的方式工作。绝大多数编程语言都具有此属性，如：lisp、java、haskell、javascript、python 等。但需要注意的是，虽然这些语言是可移植的，但并非所有的库都是如此。
LLVM 有一个特性是它通常能够在 IR 中保持目标独立：我们可以将 LLVM IR 用于 Kaleidoscope 编译的程序并在 LLVM 支持的任何目标上运行它。简而言之，Kaleidoscope 编译器生成与目标无关的代码，因为它在生成代码时不会查询任何特定于目标的信息。
安全保证
上面提到的一些编程语言，很多都是 安全 的语言。比如，用 Java 编写的程序不可能破坏其地址空间并使进程崩溃（假设 JVM 没有错误）。 安全性是一个有趣的属性，它需要结合语言设计、运行时支持以及操作系统支持。
在 LLVM 中实现安全语言是完全可以的，但 LLVM IR 本身并不能保证安全。LLVM IR 允许不安全的指针转换、释放错误后使用、缓冲区溢出和各种其他问题。要实现安全的特性，我们需要在 LLVM 之上构建一个层来实现。
语言特定优化
和其他工具一样，LLVM 不能在一个系统中解决所有的问题。对此，很多开发者会抱怨 LLVM 无法执行高级语言的特定优化，因为 LLVM 丢失了太多信息。对此，本章给出了如下的一些看法。
首先，LLVM 确实会丢失信息。例如，在撰写本教程时，在 LLVM IR
中无法区分 SSA 值是来自 ILP32 机器上的 C int 还是 C
long（调试信息除外）。两者都被编译为 i32
值，并且关于它来自什么的信息丢失了。这里更普遍的问题是 LLVM 类型系统使用
“结构等价” 而不是
“命名等价”。另一个让人感到惊讶的地方是，如果我们在高级语言中有两种具有相同结构的类型（例如，两个具有单个
int 字段的不同结构），那么这些类型将被编译成单个 LLVM
类型。
其次，虽然 LLVM 确实会丢失信息，但 LLVM 并不是一个固定的目标：我们会继续以许多不同的方式增强和改进它。除了添加新功能（LLVM 并不总是支持异常或调试信息）外，我们还扩展了 IR 以捕获重要信息以进行优化（例如，参数是符号扩展还是零扩展、指针别名信息等）。许多增强功能都是用户驱动的：开发者希望 LLVM 包含一些特定功能，为此，开发者们一直在对它进行扩展。
第三，添加特定于语言的优化是可能且容易的。举一个简单的例子，我们可以很容易地添加特定于语言的优化通道，从而为一种语言编译的代码。对于
C 系列，有一个标准 C 库函数的优化通道。如果我们在 main()
中调用 exit(0)，它会知道将其优化为 return 0;
是安全的。
此外，还可以将各种其他语言特定的信息嵌入到 LLVM IR 中。即使在最坏的情况下，我们也可以将 LLVM 视为纯粹的代码生成器，并在特定于语言的 AST 上在编译前端实现我们想要的高级优化。
提示与技巧
在使用 LLVM 之后，我们会了解到许多有用的提示与技巧，这些技巧和技巧乍一看并不明显。这里，我们只讨论其中的一些问题。
实现可移植的 offsetof/sizeof
如果我们希望让编译器生成的代码保持 目标独立，那么会出现一件有趣的事情，那就是我们经常需要知道某些 LLVM 类型的大小或 llvm 结构中某些字段的偏移量。 例如，我们可能需要将类型的大小传递给分配内存的函数。
不幸的是，这在不同目标之间可能会有很大差异：例如，指针的宽度是特定于目标的。不过，有一种巧妙的方法，即使用
getelementptr 指令，它允许我们以可移植的方式计算它。
垃圾回收栈帧
某些语言想要显式地管理栈帧，通常是为了支持垃圾收集栈帧或允许实现闭包。事实上，通常有比显式管理栈帧更好的方法来实现这些功能，但如果我们执意这么做，LLVM 也是支持的。 这需要我们的编译前端将代码转换为连续传递样式并使用尾调用（LLVM 也支持）。
总结
本系列教程通过基于 LLVM 自制一款针对 Kaleidoscope 编程语言的编译器，在这个过程中，展示了自制编程语言或编译器所涉及的一些相关概念和知识，从而产生一个系统的认知。至此，本教程结束了！如果希望有更进一步探索，建议大家着手开始 LLVM，毕竟代码才是真理！