LLVM$ $EINE$ (KURZE)$ EINFÜHRUNG$

Transkript

1 LLVM$ $EINE$ (KURZE)$ EINFÜHRUNG$ oderwieichlernteeinencompilerzubauen MarkusDöring-SteffenWeber-MarcelWiaterek-AlexanderZautke

2 Inhaltsverzeichnis. LLVM Eine(kurze)Einführung...3 Entstehungsgeschichte...3 Aufbau/MerkmaleLLVM...5 LLVMIR...6 InterpretationeinesLLVMIRBeispielcodes...7 ExkursSSA...8 Projektvorstellung:subset...9 2

3 LLVM Eine(kurze)Einführung FürdieProjektarbeitimRahmenderWahlpflichtveranstaltung CompilerundInterpreter bei Prof.ErichEhseshatsichunserProjektteamfürdasThemaLLVMentschieden.Zielwares,ein grundlegendesverständnisfürdiearbeits]undfunktionsweisevonllvmzuerlangenund dieseswissenineinemeigenen,praktischenprojektumzusetzen. In diesem Dokument wird LLVM und das hierauf aufbauende Projekt subset vorgestellt. DazuwirdzuerstaufdieEntstehungsgeschichteeingegangen,anschließendwirdderAufbau unddie Architektur von LLVM skizziert undschließlichdiellvm]eigene Sprache LLVM IR vorgestellt. Im Anschluss wird das Abschlussprojekt subset präsentiert, für welches eine eigene,kleineprogrammierspracheentworfenwurde,diemithilfevonllvmkompiliertund optimiert werden kann. Die Sprache heißt subset, da es sich um eine Teilmenge der FunktionenderSpracheChandelt. Entstehungsgeschichte BevoraufdieEntstehungsgeschichtevonLLVMeingegangenwird,wirdzunächsteinkurzer Überblick auf die Compilerlandschaft im Jahre 2000, also vor der Entwicklung von LLVM gegeben. Abb.1:AufbaueinesCompilers 3

4 Betrachtet man den Ablauf bzw. Aufbau eines klassischen Compilers(Abb. 1), könnte der Gedanke entstehen, dass dieser aus einzelnen Modulen besteht, welche beliebig ausgetauscht werden können. Hieraus folgt, dass z.b. eigentlich die semantische Analyse unabhängig von der lexikalischen Analyse sein sollte. Da jeder Compiler einen ähnlichen Aufbaubesitzt,sollteesdeshalbauchmöglichsein,KomponentenzwischendenCompilern zutauschen,umcode]doppelungenzusparen. Obwohl sich die einzelnen Compiler im Grunde den gleichen Aufbau und die gleiche Funktionsweise teilten, waren sie im Jahr 2000 Tools, welche nur für einen speziellen Anwendungszweck bzw. eine bestimmte Sprache entwickelt wurden. Es gab kaum eine MöglichkeiteinenParsereinerbestimmtenSprachemitderCodegenerierungeineranderen Sprache zu verbinden, da bei den meisten Projekten der Code historisch bedingt umfangreicher wurde und selten klare Interfaces und APIs definiert wurden. Somit waren auchdiemöglichkeitencodezwischeneinzelnenprojektenzuteilenstarkbegrenzt. AusdieserSituationstartetenVikramAdveundChrisLattnerimJahre2000einStudienprojekt an der University of Illinois. Ziel war es eine Architektur für einen Compiler]Unterbau zu erschaffen,welcheeineübergreifendeübersetzungundoptimierungvoncodeermöglicht. DasProjektwurdeLLVMgenannt,wasfürLow]Level]Virtual]Machinesteht. Abb2:LogovonLLVM The%LLVM%Project%is%a%collection%of%modular%and%reusable%compiler%and%toolchain% technologies % VonAnfanganstandeinMottofürdieEntwicklungfest: llvmisasetofmodernandreusable librarieswithwell]definedinterfaces.stattaufeigenentwicklungzusetzen,solltellvmnach StateoftheArt ]PrinzipiendesCompilerbausaufsetzen.UmFehlerimAufbauzuvermeiden, 4

5 wurdevonbeginndaraufgeachtet,dassjederbestandteilvonllvmgutdokumentiertund nurüberapisgenutztwurde.zielwareseinzukunftsfähigesunderweiterbaressystemzu schaffen. DiesstelltesichalsdierichtigeEntscheidungheraus,daLLVMheutenichteinfachnurein Compiler ist, sondern eine komplette Infrastruktur. Sie beinhaltet eine Vielzahl von UnterprojektenundErweiterungen,vonC]CompilerüberDebuggerundOpenCL]Libariesbis hinzujava/.netvirtualsmachines.aufgrunddero.g.prinzipienistestrotzdemweiterhin effektivteilevonllvmzubenutzenundfürseinebedürfnisseanzupassen. Aufbau/MerkmaleLLVM UmdieAlleinstellungsmerkmaleunddieStrukturvonLLVMzuerkennenundschätzenzu lernen,isteshilfreichllvmmitdemaufbaueines klassischencompilers gegenüberzustellen. Altbekannter.Aufbau.eines.Compilers:. Abb3: Altbekannter AufbaueinesCompilers Der bisherige Compileraufbau verlangte von dem Programmieren, das sie Wissen über FrontendundBackendbesaßen.Wolltemanz.B.einFrontendfüreineneueSprachefürgcc schreiben,mussteman,obwohlmanmitderspäterencodeerzeugungnurindirektinkontakt kam,sichmitspeziellendatenstrukturenausdembackendauseinandersetzen.grundhierfür war,dassdasbackenddiedateninspeziellerformerwartete.dasfrontendmussteteilsauf Funktionen, welche im Backend definiert waren, zugreifen, teils Getter für Daten bereitstellen,daesein Hin]und]Her zwischendenaufrufenausdembackendinsfrontend bzw.umgekehrtgab. Unabhängigkeit.Frontend..Backend:.. Abb4:LLVMAufbau. 5

6 AuchLLVMisteinCompiler,welcherindreiKomponenten(Frontend,CommonOptimizer, Backend)aufgeteiltist. BetrachtetmannundieUnterschiede,lässtsicherkennen,dassLLVMdahingehendoptimiert ist,einegemeinsamegrundlagefürmöglichstvielesprachenundtargetszuschaffen.durch dieseaufteilungistesnunmöglich, n SprachenallgemeinzuOptimierenunddannaufjedes von m beliebigesystemzuexportieren.ohnedieseaufteilungwären n * m Compiler notwendig.durchllvmexistiertnunjedochnurnocheinecompiler]infrastruktur,welche man kennen muss. Weiterhin können neu entwickelte Sprachen auf bestehende Optimierungenzurückgreifen,sodassdiesevonAnfanganperformantlaufenkönnen. JedesLLVM]Frontend,welchesdenParserderSpracheenthältundfürdenAufbaueinesAST zuständigist,benutztalsschnittstellezurcodegenerierungden CommonOptimizer.Dies dient als Alternative, um nicht für jede Sprache einen eigenen Optimizer entwickeln zu müssen.wieundwiesodieseskonzeptpraktikabelist,wirdimnächstenkapitelbeschrieben. Da es sich in Abb. 4 um einen gerichteten Graphen handelt, soll noch einmal verdeutlicht werden,dassdasfrontendinsichabgeschlossenist.frontendbesitztkeinekenntnisüber Backend.Diesbedeutetjedochauch,dassderProgrammierereinesFrontendsdiesejedoch auch nicht besitzen muss, sondern nur über eine API mit dem Common Optimizer kommuniziert. LLVMIR Damit der Common Optimizer effektiv und effizient arbeiten kann und zudem seine Funktionalität allgemeingültig zur Verfügung stellt, muss eine Repräsentationsform des Programm]Codesgefundenwerden,diezurweiterenVerarbeitunggeeignetist.LLVMsetzt hierbeiaufllvmir. LLVMIRisteineKurzformfür IntermediateRepräsentation undbezeichneteinespezielle Repräsentationsform des Programmcodes im Compiler. Die Idee hinter LLVM IR ist eine target]unabhängigesprachezuerschaffen,welchedurcheinewohldefiniertesyntaxinder DarstellungbeliebigzwischenText,In]MemoryundBinärdarstellungwechselnkann.LLVM IR ist zudem auch sprachunabhängig, was eine sehr wichtige Eigenschaft darstellt, da alle SprachendieeinLLVMFrontendbesitzen,zwangsläufigdurchLLVMIRrepräsentiertwerden. Dieses Verhalten wird dadurch erreicht, dass LLVM IR keine Vorgaben hinsichtlich grundlegendersprachkonzeptewiez.b.speichermanagementodererror]handlingenthält. LLVMIRistderZugangvonLLVMzurCode]OptimierungundCode]Generierung.InLLVMIR könnencode]analysenundoptimierungenunabhängigvomfrontenddurchgeführtwerden. UnterdiemöglichenOptimierungenfallenz.B. ] Linktime]Optimierungen ] Inteprocedural]Optimierungen(z.B.ErkennungunbenutzteVariablen,toterCode) ] Wholeprogram]Optimierungen(z.B.ErkennungunbenutzteFunktionen) DanichtalleSprachenimmeralleOptimierungenbenötigenodergarbenutzenkönnen,istes möglichdieanzuwendendenoptimierungen,sogenanntepasses,vomentwicklerauswählen 6

7 zu lassen. Folgende Abbildung zeigt den Vergleich von LLVM IR Code vor und nach der AnwendungvonbeispielhaftenPasses. Abb5:LLVMPasses DurchdieMöglichkeitLLVMIRCodealsTextzuspeichernundzueinemspäterenZeitpunkt Optimierungendaraufanzuwenden,könnenältereAnwendungenfürneuereSystemeanders optimiert werden, als sie es eventuell bislang wurden. Beispielsweise speichert Apple von jederanwendungimappstoredenllvmircode,umbeieinemspäterenreleaseeventuell neuzukompilierenundandereoptimierungenanwendenzukönnen. InterpretationeinesLLVMIRBeispielcodes DieSprachekannalseineArtAssembler]CodeangesehenwerdenundbietetFunktionen,die einen reduzierter Befehlssatz (RSIC) entsprechen. Im Folgenden sollen die wichtigsten EigenschafftenvonLLVMIRimDetailbesprochenwerden. Abb6:LLVMIR werden.llvmirarbeitetmithierbeimitbeliebigvielenregistern,welcheautomatischauf dieregister,unterbetrachtungderfreienanzahl,deszielsystemsabgebildetwerden. 7

8 EsistmöglichdievirtuellenRegisterdurchzunummerieren,wieimobigenBeispiel (Abbildung2)oderihneneinenexplizitenNamenzugeben.LLVMIRarbeitethiernachdem SSA]Prinzip(staticsingleassignmentform,sieheExkursSSA). ZusätzlichzuSSAwirdeinestarkeBindungverwendet.ImBeispielcode(Abbildung2)wird demregistereinwertdesdatentyps 14xi8 zugewiesen.die14beschreibtdieanzahlder Elemente(Array)unddiei8wievieleBitverwendetwerden(i32istbeispielsweiseein Integer]Wert). DieMethodenhabendentypischenAufbaueinerMethode,mitdemZusatzdassieeinen entrypoint: enthaltenmüssen,umllvmdeneinstiegspunktindermethodezu verdeutlichen. InMethodensindanschließendbekannteOperationen,wieload,store,addoderalloca verfügbar. ExkursSSA SSAbeschreibtdasKonzeptjedeVariablenureinmalzubeschreiben(Konstanten, vergleichbarmit final injava).durchdieseskonzeptwirdeinexpliziterdatenfluss gewährleistet. ZurVerdeutlichungeinBeispiel: y:=1 y:=2; z:=y; DerCompilerkannindiesemFallnichtohneWeiteresfeststellenobredundanteVariablen oderzuweisungenentferntwerdenkönnen.untereinhaltungdeskonzeptesvonssa,erhält jedevariableeinenindex. y1:=1 y2:=2; z1:=y2; IndiesemFallkannderCompilerproblemlosfeststellen,dasy 1 nieverwendetwirdundes somitentfernen. DiesesKonzeptwirddurchgängiginLLVMverwendet,vonderAuswertungvon veränderlichenvariablen,überdieauswertungvonif]else]abfragen,bishinzuevaluierung vonschleifen.umdaskonzeptzuerleichtern,kanneinessa]formfastautomatisiertüber einesogenannte phiinstruction aufgebautwerden.. 8

9 Projektvorstellung:subset AbschließendsollauchaufdiepraktischeAnwendungvonLLVMeingegangenwerden.Um die theoretischen Konzepte zu Verdeutlichen und zur Anwendung zu bringen, wurde ein FrontendfürLLVMentwickelt. DiesesFrontendanalysierteineSprache,welchesichgrößtenteilsanElementderSpracheC orientiert. Subset bietet hierfür zwei Datentypen (double, int), veränderliche Variablen, arithmetischbzw.logischeausdrücke,if]else]abfragen,methoden]deklarationen,sowieden AufrufvonexternenFunktionen(printf). Umjedochzuverdeutlichen,dassLLVMauchoffenfürneueSprachkonzepteistunddiese sich ebenfalls effizient in LLVM IR abbilden lassen, wurde die Grammatik der Sprach so entworfen,dassneuekonzepteanwendungfanden.hierzuzähltz.b.dasanweisungen,die inkeinemausführungskontext,d.h.inkeinermethodestehen,automatischeinenglobalen Kontexterhaltenundmitausgeführtwerden. Für die lexikalische und syntaktische Analyse wird für dieses Projekt auf altbewehrte Methodenzurückgegriffen.UmdenWurzelnvonLLVMzufolgen,wurdeflexeingesetztum einenscannerzuerzeugen,sowiebisonalsparsergenerator. DiegenauenakzeptiertenZeichenundRegelnderGrammatiksinddenDateientokens.lund parser.yzuentnehmen. Anschließend nach der syntaktischen Analyse wird ein AST aufgebaut. Dieser enthält wie üblich,allerelevantensymboleundinformationenumabschließendcodezuerzeugen.aus Gründen der Vereinfachung wurde auf die Traversierung durch Visitoren verzichtet. Stattdessen enthält jeder Knoten eine LLVM]spezifische Methode: virtual llvm::value* codegen(codegencontext&context).durchdiesemethodewirdinderklassecodegender zu produzierendellvm IR Code spezifiziert. Durch den Aufbau von Blöcken wird in dieser Klasse zusätzlich ein Control Flow Graph aufgebaut und der Ablauf des Programmes modelliert. Der entstandene LLVM IR Code wird schlussendlich in die Datei ir.code ausgeben. Der zu kompilierendeporgramm]codewirdinderdateisource.subsetspezifiziert. Durchden Aufruf des LLVM]spezifischen Kommandos opt, kann der erzeugte Code mit spezifischenoptimierungenverssehenwerden.dadiesesehrvielfältigsind,wurdeaufeine automatisierte Ausführung verzichtet. Durch den Parameter S kann der optimierte Code wiederalsllvmirausgebenwerden. DieserfinaleCodekannnunaufallenvonLLVMunterstützenPlattformeninMaschinencode umgewandeltundausgeführtwerden. Beispielhafte.Ausführung: makecleanalteparser],scanner]undoutput]dateienlöschen 2. make]>kompilierealleprogramme+führellvmaus. 9

10 3. AlsInputseifolgenderCodeverwendet: intantwort(intvar){ doublezeitzumberechnen= ; printf("%dzeitzumberechnen\n",zeitzumberechnen); if(var<42){ return-1; }else{ return42; }; }; printf("%d\n",antwort(42)); 4. entry: i320),i32%0) retvoid } declarei32@printf(i8*,...) declarevoid@putchar() definei32@antwort(i32%var1){ entry: %var=allocai32 storei32%var1,i32*%var %zeitzumberechnen=allocadouble storedouble e+06,double*%zeitzumberechnen %0=loaddouble*%zeitZumBerechnen %1=calli32(i8*,...)*@printf(i8*getelementptrinbounds([22xi8]*@.str0,i320, i320),double%0) %2=loadi32*%var %3=icmpslti32%2,42 bri1%3,label%branch0,label%branch1 branch0:;preds=%entry %4=subi320,1 reti32%4 branch1:;preds=%entry reti3242 } 10

11 5. ;FunctionAttrs:nounwind entry: 0,i320),i32%0) retvoid } ;FunctionAttrs:nounwind declarei32@printf(i8*nocapturereadonly,...)#0 ;FunctionAttrs:nounwind definei32@antwort(i32%var1)#0{ entry: %0=tailcalli32(i8*,...)*@printf(i8*getelementptrinbounds([22xi8]*@.str0, i320,i320),double e+06) %1=icmpslti32%var1,42 %.=selecti1%1,i32-1,i3242 reti32%. } attributes#0={nounwind} 11