iOS编译原理

主要内容:

1. 理解C、C++以及OC的关系
2. 编译型语言与解释型语言
3. 编译器LLVM与CLang
4. 理解iOS编译流程
5. 预处理
6. 编译
7. 汇编
8. 链接

一、理解C、C++以及OC的关系

1.C语言

1. C语言是一门面向过程的计算机编程语言，既可用于系统软件开发，也适用于应用软件开发；
2. C语言编译器普遍存在于各种不同的操作系统中，例如Microsoft Windows,Mac OS X, Linux, Unix等；
3. C语言的设计影响了众多后来的编程语言，例如C++、Objective-C、Java、C#等；

2.C++语言

1. 兼容了C语言面向过程特点，但又进行了扩充和完善；
2. 作为一种面向对象的语言，具有封装、多继承、多态等特性；

3.Objective-C语言

1. 扩展了C语言的能力，使其具备面向对象设计的能力，相当于C的超集；
2. OC代码中也可以有C和C++语句，它可以调用C函数，也可以通过C++对象访问方法；

4.OC与C++的比较

1. OC与C++都是从C语言演变而来面向对象设计语言，也都兼容标准的C语言；但它们属于不同的面向对象学派；
2. 两者最大的不同在于：OC提供了运行时的动态绑定机制，而C++是编译时静态绑定，并通过嵌入类和虚函数来模拟实现；
3. OC在编译阶段降低了编译要求提高了灵活性，而C++则是提高了编译要求，在编译过程中就发现更多的潜在错误，在运行前改正，降低了灵活性；

以下面的代码为例，在编译期间，C++认为是错误的，而OC则认为没有问题：

NSString *test =(id) [[NSArray alloc] init];

OC与C++在使用细节上的不同如下：

1. 定型：OC是动态定型，可以允许根据字符串名字来访问方法和类，还可以动态链接和添加类；
2. 继承：OC不支持多继承，C++支持多继承；
3. 函数调用：OC通过消息传递实现函数调用，而C++直接进行函数调用；
4. 接口：OC采用Protocol形式来定义接口，而C++采用虚函数形式来定义接口；
5. 重载：OC不允许同一个类中两个方法有相同的名字(即使只是参数类型不同)，但C++可以；

二、编译型语言与解释型语言

Objective-C属于编译型语言，这是为了保证iPhone的执行效率；

1.编译型语言

1. 程序运行前，必须先通过编译器生成机器码，机器码直接通过CPU执行，运行时不需要重新翻译；
2. 程序执行效率高，但依赖编译器，调试周期长、跨平台性差些；
3. 代表语言：C、C++、OC等；

2.解释型语言

1. 程序运行前，不需要进行编译，而是以文本方式存储程序代码，运行时需要解释器解释后再运行；
2. 程序执行效率低下，但是程序具有动态性，运行后也可以随时增加和更新代码来改变程序逻辑；
3. 代表语言：Javascript、Python等；

编译原理-语言的分类

三、编译器LLVM与CLang

1.编译器

概念：把一种编程语言(原始语言)转换为另一种编程语言(目标语言)的程序;

大多数编译器都分前端和后端两部分：

• 前端：负责词法分析、语法分析、生成中间代码；
• 后端：以中间代码作为输入，进行与架构无关的代码优化，接着针对不同架构生成不同的机器码；

补充：

1. 前后端以中间代码作为媒介，使得前后端可以独立的变化，互不影响；
2. 这样的好处在于：新增一门语言只需要修改前端，而新增一种CPU架构只需要修改后端即可；

2.LLVM与Clang

LLVM是苹果当前使用的编译器：

1. LLVM是一套编译器基础设施项目，为自由软件，以C++写成，包含一系列模块化的编译器组件和工具链，用来开发编译器前端和后端；
2. 基于 LLVM 衍生出了一些强大的子项目，比如：Clang 和 LLDB。

CLang基于LLVM，是一个高度模块化开发的轻量级编译器；

1. CLang主要来自苹果电脑的支持，同时支持C、Objective-C以及C++；
2. CLang用于替代Xcode5版本前使用的GCC，编译速度提高了3倍：

3.理解iOS中的编译器

1. 在iOS开发中，通常LLVM被认为是编译器的后端，而Clang是作为编译器的前端；
2. 二者以 IR（中间代码）作为媒介，这样前后端分离，使得前后端可以独立的变化，互不影响；
3. C 语言家族的前端是 clang，swift 的前端是 swiftc，但二者的后端都是 LLVM；

四、理解iOS编译流程

1.编译流程图

LLVM的编译过程相当复杂，iOS代码运行需要经过：预处理、编译、汇编、链接四个关键阶段，具体的流程如下图：

编译原理-编译流程

2.准备测试文件

以OC语言为例，详细分析代码的编译流程，准备一个main.m文件的内容如下：

#import <Foundation/Foundation.h>
/// 增加注释：宏定义Name
#define Name "梧雨北辰"
int main(int argc, const char * argv[]) {
    NSLog(@"Hello, %s", Name);
    return 0;
}

五、预处理(Prepressing)

1.主要功能

1. 替换宏：替换代码中各种宏定义，如定义的常量、函数等；
2. 导入头文件：将#include包含的文件插入到该指令位置等；
3. 清理注释：删除所有注释：// 、/* */等；
4. 条件编译：处理#if、#ifdef，#endif等类似的条件编译；
5. 添加行号和文件名标识：以便于编译时编译器能够显示警告和错误的所在行号；

2.查看预处理结果

使用xcrun命令，在终端执行预处理操作：

xcrun clang -E main.m

终端显示效果如下：

# 1 "main.m"
# 1 "<built-in>" 1

...

# 1 "/Applications/Xcode13.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX.sdk/System/Library/Frameworks/Foundation.framework/Headers/FoundationLegacySwiftCompatibility.h" 1 3
# 193 "/Applications/Xcode13.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX.sdk/System/Library/Frameworks/Foundation.framework/Headers/Foundation.h" 2 3
# 2 "main.m" 2


int main(int argc, const char * argv[]) {
 NSLog(@"Hello, %s", "梧雨北辰");
 return 0;
}

结果分析：

1. 预处理后的文件中，注释已经被清理，宏定义也已经被替换；
2. 预处理后的文件有很多行，因为该过程中导入了头文件(Foundation.h)，而且这个过程是递归的；

六、编译(Compilation)

1. 词法分析(Lexical Analysis)

主要功能：通过扫描器，分割识别源代码符号(如大小括号、=、字符串)；

使用xcrun命令，在终端执行词法分析操作：

xcrun clang -fmodules -fsyntax-only -Xclang -dump-tokens main.m

终端显示效果如下：

annot_module_include '#import <Foundation/Foundation.h>
/'      Loc=<main.m:1:1>
int 'int'    [StartOfLine]  Loc=<main.m:4:1>
identifier 'main'    [LeadingSpace]

......

r_brace '}'  [StartOfLine]  Loc=<main.m:7:1>
eof ''      Loc=<main.m:10:1>

结果分析：

1. 每个被分割的源代码符号都被记录了位置，方便后续定位错误；
2. 比如Loc=<main.m:4:1> 就表示：'int'这个符号是从源文件main.m的第4行的第1个字符开始的；

2.语法分析(Semantic Analysis)

主要功能：对源代码符号进行分析，验证语法是否正确，最后生成AST语法树；

使用xcrun命令，查看语法分析结果：

xcrun clang -fsyntax-only -Xclang -ast-dump main.c | open -f

AST语法树：

1. 是抽象语法树，结构上比代码更精简，遍历速度更快；
2. 能够更快的进行静态检查，同时生成IR(中间代码)；

3.静态分析(Static Analysis)

主要功能：对AST树进行遍历分析，包括类型检查、方法实现检查，会及时提示错误；

4.生成中间代码(Code Generation)

主要功能：CodeGen负责将AST语法树自顶向下遍历，逐步翻译成IR中间代码；

IR中间代码：

1. 这是一种更接近于机器码的语言，使得编译器被分为前端和后端，不同的平台可以利用各自的编译器将中间代码，转化为适合不同平台的机器码；
2. 对于iOS系统来说，IR中间代码生成的就是Mach-O可执行文件;
3. IR是前端的输出，后端的输入；

七、汇编(Assembly)

输出中间代码标志着前端工作的完成，接下来将进入后端的处理流程。

1.LLVM优化中间代码

中间代码IR进入后端，LLVM会对其进行优化：

1. Optimization Level
2. bitcode

2.生成汇编代码

LLVM对IR进行优化后，会针对不同架构生成不同汇编代码；

汇编阶段的目的：

1. 将代码汇编化，并将符号进行归类；
2. 将外部导入符号，放到重定位符号表；
3. 最后生成一个或多个.o目标文件；

使用xcrun命令，生成汇编文件：

xcrun clang -S main.m -o main.s

打开.s文件，摘取内容如下：

    .section    __TEXT,__text,regular,pure_instructions
    .build_version macos, 11, 0 sdk_version 11, 3
    .globl  _main                           ## -- Begin function main
    
    // ......

    callq   _NSLog

    // ......
.subsections_via_symbols

可以看到，汇编文件中的NSLog操作已经被转化为汇编命令形式的调用，即callq _NSLog；

3.生成目标文件

该阶段是汇编器将汇编代码转换为机器代码，并输出目标文件，即.o文件；

使用xcrun命令，生成目标文件:

xcrun clang -fmodules -c main.m -o main.o

使用file命令，查看目标文件类型:

% file main.o
main.o: Mach-O 64-bit object x86_64

可以看到，汇编器生成Mach-O格式的文件，而且是object类型，即目标文件类型：

1. Mach-O文件是用于iOS和OS平台上的文件类型；
2. Mach-O作为a.out格式的替代，提供了更强的扩展性，也提升了符号表中信息的访问速度；

使用xcrun命令，查看下main.o中的符号：

xcrun nm -nm main.o

终端显示效果如下：

                 (undefined) external _NSLog
                 (undefined) external ___CFConstantStringClassReference
0000000000000000 (__TEXT,__text) external _main

可以看到，此时我们使用的NSLog函数，对应着_NSLog符号：

1. undefined：表示在当前文件暂时找不到符号_NSLog；
2. external：表示这个符号是外部可以访问的，对应表示文件私有的符号是non-external；

八、链接(Linking)

主要功能：符号解析、重定位、合并目标文件，最终生成可执行文件；

1.使用xcrun命令执行链接，得到可执行文件

xcrun clang main.o -o main

2.使用file命令，查看文件类型

% file main
main: Mach-O 64-bit executable x86_64
% ./main
2021-10-01 19:06:41.846 main[5663:660299] Hello, 梧雨北辰

结果分析：虽然还是Mach-O格式，但此时已经是executable类型了，即可执行文件。而且运行该文件后也打印出了预期的结果；

3.再次使用xcrun命令，查看可执行文件的符号表

% xcrun nm -nm main
                 (undefined) external _NSLog (from Foundation)
                 (undefined) external ___CFConstantStringClassReference (from CoreFoundation)
                 (undefined) external dyld_stub_binder (from libSystem)
0000000100000000 (__TEXT,__text) [referenced dynamically] external __mh_execute_header
0000000100003f40 (__TEXT,__text) external _main
0000000100008008 (__DATA,__data) non-external __dyld_private

结果分析：_NSLog符号依然是undefined，不过此时多了一些信息，即from Foundation，表示这个符号来自于Foundation，会在运行时动态绑定；

4.链接阶段的主要任务

1.符号解析

将每个符号引用和对应的符号定义关联起来；

• 链接器链接多文件时会创建符号表，用于记录所有已经定义和未定义的符号；
  1. 出现相同符号，会报错："ld:dumplicate symbols"；
  2. 在其他目标文件里没有找到到符号，会报错："Undefined symbols"；
• 另外，链接器在整理函数的符号调用关系时，可以帮助我们理清那些函数没有被调用，并自动去除掉；

2.重定位

将变量名、函数名这些符号定义与一个内存位置关联起来；

• 因为只有通过了绑定，机器才知道需要操作什么内存地址；
• 否则，我们就需要在写代码时给每个指令设置好内存地址，不仅操作繁琐，而且容易引起出错；

3.合并目标文件

将多个.m文件编译产生的.o目标文件与其他Mach-O文件(如dylib、a、tbd），合成一个Mach-O格式的可执行文件；

• 通常项目都会包含多个文件，不同文件之间的变量和接口函数就会产生相互依赖关系；
• 程序运行前，需要使用链接器将多个文件里的符号和地址绑定起来，才能保证整个程序里的变量、接口的正常调用；

5.理解静态链接与动态链接

静态链接：作用于编译期，链接后的文件依然可能会存在一些"undefined"的符号。但是这些符号都会被记录下来，在运行时再通过dlopen和dlsym动态链接绑定；

动态链接：作用于运行时，这样的优势在于：诸多类似UIKit这样的共享库将不必包含在每一个App包里。比如：我们使用到的UIKit系统库，等到点击App真正开始运行之前，才会去链接依赖的UIKit，链接完成再运行App；