LLVM笔记(2) - IR

最新推荐文章于 2025-02-05 16:57:24 发布
最新推荐文章于 2025-02-05 16:57:24 发布
阅读量237 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： 前端 c/c++ 后端 ViewUI
原文链接：http://www.cnblogs.com/Five100Miles/p/10686743.html
本文深入解析LLVM中间表示(IR)，涵盖IR的概念、生成方法、特点及语法基础，探讨SSA形式、类型系统与指令集，适合编译原理初学者与进阶者。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1. 什么是IR
  IR(intermediate representation)是LLVM独创的中间表达式. 经典的compiler架构由前端frontend(读入源代码, 通过词法, 语法与语义分析建立AST), 中端optimizer(优化模块)与backend(通过指令选择, 寄存器分配等阶段最终输出为目标架构的汇编). 其中frontend随语言类型变化而变化, backend随目标架构变化而变化, 而优化部分的实现是不区分语言或架构的. 传统的编译器如gcc将中端与后端耦合在一起, 导致每个架构不光要实现后端功能也要实现中端优化, 类似的对不同语言后端也不能复用. 而在LLVM中通过将前端输出的AST转换为LLVM IR实现了前端与中端的分离, 在中端优化完后再将其转换为汇编, 大大节约了编译器开发的工作量. 更多相关介绍详见http://www.aosabook.org/en/llvm.html
  LLVM IR有三种表现形式: 在编译器内部的IR, 在磁盘中存储的bitcode(用于JIT编译器)以及最常见的易于阅读的LLVM IR汇编. 三种格式的IR是等价的(可互相转化), 因此LLVM IR提供了高效的编译器优化手段的同时又保证了方便调试与定位问题.
  使用IR的优点. 1. 通用, 任意语言都能转换为IR, 同一IR能转换为任意架构汇编. 2. 可移植性好, 容易定位问题, 只要保证IR正确性就能确定问题范围(前端还是后端还是某个优化pass). 3. 支持LTO(link time optimization).

2. 如何生成IR
  在编译时添加选项-emit-llvm即可生成IR, 此时的IR为bitcode格式(默认文件名后缀为bc), 若要生成汇编格式还需添加-S选项(默认文件名后缀为ll). 以test.c为例:

 1 [23:13:26] hansy@hansy:~/llvm/llvm (master)$ cat ~/test.c
 2 int test(int a, int b)
 3 {
 4   int c = 0;
 5   if (a) {
 6     c = b;
 7     a = c;
 8   }
 9   return c;
10 }
11 [23:13:29] hansy@hansy:~/llvm/llvm (master)$ ../llvm_build/bin/clang ~/test.c -O0 -emit-llvm -S -o ~/test.ll
12 [23:13:37] hansy@hansy:~/llvm/llvm (master)$ cat ~/test.ll
13 ; ModuleID = '/home/hansy/test.c'
14 source_filename = "/home/hansy/test.c"
15 target datalayout = "e-m:e-i64:64-f80:128-n8:16:32:64-S128"
16 target triple = "x86_64-unknown-linux-gnu"
17 
18 ; Function Attrs: noinline nounwind optnone uwtable
19 define dso_local i32 @test(i32 %a, i32 %b) #0 {
20 entry:
21   %a.addr = alloca i32, align 4
22   %b.addr = alloca i32, align 4
23   %c = alloca i32, align 4
24   store i32 %a, i32* %a.addr, align 4
25   store i32 %b, i32* %b.addr, align 4
26   store i32 0, i32* %c, align 4
27   %0 = load i32, i32* %a.addr, align 4
28   %tobool = icmp ne i32 %0, 0
29   br i1 %tobool, label %if.then, label %if.end
30 
31 if.then:                                          ; preds = %entry
32   %1 = load i32, i32* %b.addr, align 4
33   store i32 %1, i32* %c, align 4
34   %2 = load i32, i32* %c, align 4
35   store i32 %2, i32* %a.addr, align 4
36   br label %if.end
37 
38 if.end:                                           ; preds = %if.then, %entry
39   %3 = load i32, i32* %c, align 4
40   ret i32 %3
41 }
42 
43 attributes #0 = { noinline nounwind optnone uwtable "correctly-rounded-divide-sqrt-fp-math"="false" "disable-tail-calls"="false" "less-precise-fpmad"="false" "min-legal-vector-width"="0" "no-frame-pointer-elim"="true" "no-frame-pointer-elim-non-leaf" "no-infs-fp-math"="false" "no-jump-tables"="false" "no-nans-fp-math"="false" "no-signed-zeros-fp-math"="false" "no-trapping-math"="false" "stack-protector-buffer-size"="8" "target-cpu"="x86-64" "target-features"="+cx8,+fxsr,+mmx,+sse,+sse2,+x87" "unsafe-fp-math"="false" "use-soft-float"="false" }
44 
45 !llvm.module.flags = !{!0}
46 !llvm.ident = !{!1}
47 
48 !0 = !{i32 1, !"wchar_size", i32 4}
49 !1 = !{!"clang version 9.0.0 (https://github.com/llvm-mirror/clang.git 8a55120a7d72bed6c93749e0a6dbd0a2fcd873dd) (https://github.com/llvm-mirror/llvm.git ff5f64e4c8e72159f06487684037dcd3eca2cd8e)"}


  ll文件与bc文件同样能作为源文件被被编译, 编译ll/bc文件时无需特殊选项. 由于这个特性我们可以方便对比不同语言/不同架构的ll来确认问题.

3. IR的特点
  引用官方文档对IR的描述: LLVM is a Static Single Assignment (SSA) based representation that provides type safety, low-level operations, flexibility, and the capability of representing ‘all’ high-level languages cleanly. 作为一门语言IR有如下特点: 基于SSA, 类型安全, 提供低层级操作与支持所有高级语言.

  3.1. 什么是SSA. SSA(static single assignment), 静态单赋值, 是指变量必须在使用前被定义(static)且指赋值一次(single assignment). 举个简单的例子:

x = 0;
x = 1;
y = 2 * x;

  编译器如何确定y值的来源? 通过引入冗余变量使每个赋值都有对应变量名.

x1 = 0;
x2 = 1;
y = 2 * x2;

  在SSA模式下可以方便的定义def-use chain. 然而对于y值来源不确定的情况则需要特殊处理. 以上文程序为例, 局部变量c可能为0(a = 0)或b, 那么在程序返回的节点c的来源可能有两个, 类似的a可能为0(a = 0或a = b)或b.

  a1 = a;
  c1 = 0;
  if (a1) {
    c2 = b;
    a2 = c2;
  }
  a = phi(a, a2)
  c = phi(c1, c2)

  为了解决这个问题SSA引入了phi函数, phi表示该值的来源于多个前驱节点. 关于phi节点的表述在后文中分析.

  3.2. 类型系统. LLVM IR是强类型语言, 由于类型系统的支持, LLVM可以无需额外分析即可实现部分转化. LLVM支持的类型如下:
  void type - 无返回值, 无大小
  integer type - 基础类型(simple type), 表示为iN, 其中N为指定位宽, 大小为指定长度位的整型, 注意是无符号整型
  floating point type - 浮点类型, 对应为IEEE754标准浮点数类型
  pointer type - 指针类型, 指向某个内存对象, 注意没有void *, 而使用i8 *代替
  array type - 数组类型, 包含元素类型与个数
  label type - 标识代码块, 类似于汇编的label
  token type - 与指令相关的特殊值类型, 比如phi / select等
  struct type -
  aggregate type -
  metadata type -
  x86_mmx type -
  function type -
  first class type -
  single value type -

4. IR语法简介
  关于IR的reference manual请参考docs/LangRef中完整介绍, 本节的目标是介绍最基础的IR语法.

  4.1. 标识符
  LLVM中包含两类标识符: 全局类型与局部类型. 全局类型(函数, 全局变量)以@为起始字符, 局部类型(寄存器名, 类型)以%为标识. 一共有三类标识符, 分别为: 有名变量, 以%或@为起始字符, 后接字符串; 匿名变量以%或@为起始字符, 后接数字; 常量, 后文介绍. 其中有名变量通常源于代码中的变量, 匿名变量来自于LLVM中的临时变量, 寄存器等. 注意匿名变量是LLVM在输出ll时自动顺序命名的(编译过程中并不存在同名的变量, 后文会讲述), 因此必须顺序连续排列(比如将以上代码中%2修改为%3会导致编译不通过).
  4.2. 常量
  与类型系统对应, LLVM提供各类型(bool, int, float, pointer, token)以及复杂类型的常量. 注意两个特殊的常量: zeroinitializer(用于指定内存对象的零初始化)与metadata node(无类型常量).
  4.3. metadata
  metadata是LLVM提供的一种附加信息到某个指令的手段. 有两类metadata原语: metadata node与metadata string. 所有的metadata均以!起始. metadata string是以双引号包含的字符串, metadata node类以于结构体常量的表现方式(用逗号分割的元素列表).
  4.4. Instruction
  //TODO
  4.5. Intrinsic
  //TODO

转载于:https://www.cnblogs.com/Five100Miles/p/10686743.html

Mathilda91
关注
llvm学习笔记
weixin_42730667的博客
04-26 1283
基础知识 一个编译器通常是由前端和后端组成，后端负责特定语言的任务，读取源文件并将计算语义分析表示，通常是带注释的抽象语法树(AST)。后端从前端的结果创建优化机器码。 前端通常执行的任务： 词法分析器（Lexical analyzer简称Lexer)读取源文件并生成一个令牌流。 解析器从令牌流创建一个AST。 语法分析器向AST添加语义信息。 代码生成器从AST生成一个中间表示（IR)。 中间表示是后端接口。后端执行的任务： 后端在IR上执行与目标无关的优化。 为IR代码选择指令。 之后
LLVM - 学习笔记一
zhugl的博客
11-11 4438
1. 工具和库 LLVM中的独立工具： opt：在IR级对程序进行优化的工具，输入必须是LLVM的bitcode，生成的输出文件必须具有相同的类型。 llc：通过特定后端将LLVM bitcode转换成目标汇编或目标问价的工具。 llvm-mc：能够汇编指令并生成像ELF、MachO、PE等对象格式的目标文件，也可以反汇编相同的对象，从而转存这些指令的相应汇编信息和内部LLVM机器指令数据结构。 lli：LLVM IP的解释器和JIT编译器。 llvm-link：将几个LLVM bitcode链接在一起，
LLVM学习笔记（一）
qq_33210775的博客
10-16 535
LLVM学习笔记（一） LLVM安装篇 Win10+VM15+ubuntu16.04 装Ubuntu还出了两个小问题：一个是enabled=0；一个是VM服务问题，独占方式锁定。 下面是学习优快云博主「自娱自乐的老王」文章，原文链接：https://blog.youkuaiyun.com/Wang_shiling/article/details/80164661 一、源码下载 第一种方法： 下载LLVM源码...
LLVM学习笔记①
m0_46220969的博客
10-22 253
LLVM学习笔记① LLVM标识符： （两种类型） 1、全局标识符（函数、全局变量），以‘@’字符开头 2、本地标识符（寄存器名称、类型），以‘%’字符开头 （三种格式） 1、有命名值：表示带有浅醉的字符串，例如%foo, @DivisionByZero, %a.really.long.identifier。实际上使用的是正则表达式’[% @][-a-zA-z.][−a−zA−Z._][-a-zA-Z.]​[−a−zA−Z._0-9]*’ 2、未命名值：表示为带前缀的无符号数值，例如%2，@3 3、常量 这
llvm教程Kaleidoscope--chapter4笔记
jsghjfdh的博客
02-20 605
lldb万花筒的chapter4
在WSL2上安装新版本LLVM的方法
watershade2010的专栏
02-25 1205
安装llvm实操。这是一篇比较简单的随手笔记。
LLVM学习笔记 - 基本流程
yokan_de_s的博客
03-20 774
LLVM是模块化,可重用的编译器以及工具链技术的集合,并且LLVM就是全称并不是简称,所以说LLVM是一种编译器显然是不够准确的,她至少可以代表两个,1.LLVM编译架构 2.LLVM编译器后端 基本的编译器架构前面昨天有写过就不赘述了 在LLVM架构里面优化器是恒定不变的,需要支持新的内核,比如现在是arm x86再多一个内核,就需要调整LLVM架构的后端部分,如果再多一个编程语言则只需要对应的编译器转成LLVM IR也就是LLVM能用的中间代码即可 Clang Clang属于LLVM架构的..
LLVM学习笔记
生活需要深度
02-05 1146
我主要是看IR和PASS我们知道，传统的编译过程大概可分为两个步骤：把源代码翻译成中间表示（IR），把IR翻译成机器码（或者由解释器来解释执行）。这三个层次也就是前端、中端、后端。GCC编译器在设计时没有做好层次划分，你不能知道它的IR是什么样子的，它也不会提供接口让你操作IR，这导致了其前端后端的大量数据耦合在了一起。这样一来，GCC就很难支持新的编程语言或者架构。如果有一个大家都使用的开放的IR，那么每种新语言只需要一个新前端，每个新平台只需要一个新后端，这就比GCC方便的多。
LLVM学习笔记（40）
wuhui_gdnt的专栏
08-24 766
3.6. 描述目标机器的数据结构 描述目标机器的数据结构由TableGen的“-gen-subtarget”选项生成。以X86来说，生成文件是X86GenSubtargetInfo.Inc。 3.6.1. 对目标机器描述的解析 这个选项的处理入口是下面的方法： 1154 void EmitSubtarget(RecordKeeper &RK, raw_ostream &O...
LLVM学习笔记（24）
wuhui_gdnt的专栏
12-15 778
3.4.3. 指令选择代码的自动生成 LLVM指令选择代码有相当部分是自动生成的（TableGen目前尚要依靠手写代码来进行特定的处理。未来TableGen的目标是后端代码完全自动生成——雄伟而野心勃勃的目标！J）。这里生成的文件是X86GenDAGISel.inc（以X86为例）。 122 void DAGISelEmitter::run(raw_ostream &OS) ...
LLVM学习笔记（30）
wuhui_gdnt的专栏
03-16 2330
3.4.4.3. 生成代码如何辅助指令选择 3.4.4.3.1. 概述 我们首先以一个例子来说明这个过程是怎么开始的，这个例子来自Eli Bendersky的a deeper look into the llvm code generator part I： Eli Bendersky给出了这样一些简单的IR： define i64 @imul(i64 %a, i64 %b) nounwi...
llvm学习笔记（2）
wuhui_gdnt的专栏
03-15 3069
2. LLVM的后端描述 2.1. 类型描述 为了更好地描述寄存器所能支持的值类型（大小），以及操作数的类型（大小），Tablegen在ValueTypes.td里给出了一系列的类型定义，它们都继承自ValueType： 16       class ValueType<int size, int value> { 17         string Namespace = "...
llvm学习笔记（3）
wuhui_gdnt的专栏
03-17 3312
2.2.2. 参数描述 Instruction定义中的OutOperandList与InOperandList分别是这样的dag：(outs op1, op2, …)，(ins op1, op2, …)。Op可以是寄存器（这时通过RegisterClass来说明其寄存器类型） 2.2.2.1. 寄存器 2.2.2.1.1. Register 今天，可用的目标机器一定有寄存器（完全依靠栈运行...
LLVM Clang 学习笔记
weixin_34202952的博客
12-13 196
1.先来看看什么是 LLVM? LLVM 是 Low Level Virutal Machine的简称,它是个编译器框架,用于优化以任意程序语言编写的程序的编译时间(compile-time)、链接时间(link-time)、运行时间(run-time)以及空闲时间(idle-time).在2000年, Chris Lattner开发了这一套编译器工具库套件.后来随着 LLVM的发展,LLVM可...
LLVM IR 理解
吴建明wujianming_110117
06-26 1245
LLVM IR 理解 LLVM IR表示 LLVM IR有三个不同的形式： 内存中编译中间语言（IR） 保存在硬盘上的 bitcode（.bc 文件，适合快速被一个 JIT 编译器加载） 一个可读性的汇编语言表示（.ll 文件）。 LLVM为高效编译转换和分析，提供一个强大的中间表示。LLVM 的三种不同的形式都是等价的。以下是三种表示的转化方式。 LLVM 语言在轻量、底层、同时富有表现力，类型化，易于扩展。LLVM IR 语言目标是成为一种"通用中间语言"，通过足够低层次，使高级语言可以清晰的映射。通
LLVM学习（1）
happyhanjing的专栏
09-02 912
转自：https://github.com/XChainLab/documentation/blob/master/VM/EOS/EOSVMArch.md   LLVM项目是一系列分模块、可重用的编译工具链。它提供了一种代码良好的中间表示(IR)， LLVM实现上可以作为多种语言的后端，还可以提供与语言无关的优化和针对多种CPU的代码生成功能。 LLVM不同于传统的我们熟知的编译器。传统的静...
LLVM 编译器学习笔记之三十六-- 指令调度Instruction scheduling
~ 飞 扬 的 天 空 ~
12-01 4901
1、参考Instruction scheduling in LLVM - 知乎，在中后端均存在指令调度 指令调度模型 2、在llvm12->llvm14 中Machine Instruction Scheduler有个patch增强了load/store指令的合并，也就是指令调度不仅仅只是改变指令的顺序，该优化类似gcc中的store-merge优化 .....................................................................
LLVM学习日志6——另一个简单例子ModuleMaker，浅读调用LLVM的API及函数
tristan_tian的博客
08-18 2204
发现LLVM的调用还是看不太懂，先来学个小例子。 对了，刚发现，在llvm的examples中有各种例子的源码可以看，包括之前那个Kaleidoscope 这个ModuleMaker 照例读源码 第一句是定义context，到现在我还不知道具体有什么用，看文档说LLVMContext提供隔离，LLVM IR内存中的每个实体都属于一个context。只是看后面的定义，我猜测，就是画了个框，同...
LLVM IR生成RISCV机器码
最新发布
06-15
<think>我们正在处理一个关于LLVMIR编译到RISC-V机器码的问题。根据用户的问题和提供的引用，我们可以构建一个清晰的回答。引用[1]提到有一个交互式的LLVMIR学习和实验平台，我们可以利用它来学习LLVMIR。引用[3]详细介绍了LLVM后端移植的笔记，特别是关于RISC-V的示例，这直接与用户的问题相关。步骤：1.首先，我们需要将LLVMIR转换为特定于RISC-V架构的机器码。LLVM后端负责这一过程。2.根据引用[3]，LLVM后端包含多个部分和环节，其中代码生成（CodeEmission）环节负责生成机器码。具体步骤：-使用LLVM的工具链，特别是`llc`（LLVM静态编译器）将LLVMIR文件编译为目标架构的汇编代码或机器码。-对于RISC-V，我们需要指定目标三元组（targettriple）为riscv32或riscv64。示例命令：将LLVMIR文件（例如input.ll）编译为RISC-V汇编代码：llc-march=riscv32-ooutput.sinput.ll或者直接生成目标文件（机器码）：llc-march=riscv32-filetype=obj-ooutput.oinput.ll注意：LLVM需要支持RISC-V后端。可以通过`llc--version`查看支持的后端，确保riscv在其中。另外，引用[3]还提到了后端移植的七大步骤，但用户的问题是如何使用现有的RISC-V后端生成机器码，因此我们不需要深入到后端移植，而是使用现有的后端。因此，回答将包括：1.使用LLVM自带的工具（llc）进行转换。2.指定目标架构为riscv。3.生成汇编代码或机器码（目标文件）的方法。同时，根据引用[2]中关于GraalVM将Java编译成本地机器码的示例，我们可以类比：LLVMIR类似于Java字节码，而通过LLVM后端（这里针对RISC-V）将其编译为机器码。最后，生成相关问题。</think>### 如何将LLVM IR编译为RISC-V机器码 将LLVM中间表示（IR）编译为RISC-V架构的机器码需通过LLVM后端工具链实现，主要流程如下： #### 1. **准备LLVM工具链** - 确保LLVM版本≥10（完整支持RISC-V），使用命令验证： ```bash llc --version | grep riscv ``` - 若未启用RISC-V后端，需从源码编译LLVM并添加参数： ```bash cmake -DLLVM_TARGETS_TO_BUILD="X86;RISCV" .. ``` #### 2. **IR到目标文件转换** - 使用`llc`工具将IR编译为目标文件： ```bash llc -march=riscv32 -filetype=obj input.ll -o output.o # 32位 llc -march=riscv64 -filetype=obj input.ll -o output.o # 64位 ``` - 关键参数： - `-march=riscvXX`：指定RISC-V架构位数 - `-filetype=obj`：直接生成机器码（ELF格式目标文件） #### 3. **后端处理流程** 编译过程触发LLVM后端的七大环节[^3]： 1. **指令选择**：将IR操作映射到RISC-V ISA 2. **寄存器分配**：使用RISC-V的32个通用寄存器 3. **代码发射**：生成`.text`/`.data`等机器码段 ```mermaid graph LR A[LLVM IR] --> B(指令选择) B --> C(寄存器分配) C --> D[RISC-V机器码] ``` #### 4. **链接与执行** - 使用RISC-V工具链链接目标文件： ```bash riscv64-unknown-elf-ld output.o -o executable ``` - 在QEMU模拟器运行： ```bash qemu-riscv64 executable ``` #### 注意事项 1. **ABI兼容性**：需匹配`-mabi=ilp32`(32位)或`-mabi=lp64`(64位) 2. **优化级别**：通过`-O1`~`-O3`控制代码生成策略 3. **扩展指令集**：使用`-mattr=+c`等参数启用压缩指令扩展 > 提示：可通过[LLVM IR在线实验平台](https://llvm.org/docs/CompilerWriter.html)实时验证IR转换逻辑[^1]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值