Ruby 2.x 源代码学习:语法分析 & 中间代码生成 之 数据结构
LINK_ELEMENT
LINK_ELEMENT 是一个双向链表的"头"节点,包含指向前一个节点和后一个节点的指针,其它结构体通过将 LINK_ELEMENT 放在结构体的头部来将结构体组织成双向链表
// compile.c typedef struct iseq_link_element { enum { ISEQ_ELEMENT_NONE, ISEQ_ELEMENT_LABEL, ISEQ_ELEMENT_INSN, ISEQ_ELEMENT_ADJUST } type; struct iseq_link_element *next; struct iseq_link_element *prev; } LINK_ELEMENT;
以 INSN(表示一条 YNRV 指令)结构体为例,INSN 结构体通过 link 字段将所有的指令链接成一个双向链表
// compile.c typedef struct iseq_insn_data { LINK_ELEMENT link; enum ruby_vminsn_type insn_id; unsigned int line_no; int operand_size; int sc_state; VALUE *operands; } INSN;
LINK_ANCHOR
LINK_ANCHOR 结构体用来管理由 LINK_ELEMENT 组成的双向链表,包含表头 anchor 和一个指向双向链表最后一个节点的指针 last,注意 LINK_ANCHOR 本身不包含数据,anchor.next 指向双向链表第一个元素
// compile.c typedef struct iseq_link_anchor { LINK_ELEMENT anchor; LINK_ELEMENT *last; } LINK_ANCHOR;
添加 LINK_ELEMENT
下文讲到 创建 INSN 结构体的时候会用到 ADD_ELEM 函数,这里简单介绍一下:
/* * elem1, elem2 => elem1, elem2, elem */ static void ADD_ELEM(ISEQ_ARG_DECLARE LINK_ANCHOR *const anchor, LINK_ELEMENT *elem) { elem->prev = anchor->last; anchor->last->next = elem; anchor->last = elem; verify_list("add", anchor); }
NODE
NODE 结构体用于封装 AST(抽象语法树)的一个节点,NODE 使用了联合体(union)来复用各个语法树节点需要的数据,这也是 C 语言惯用优化手法
// node.h typedef struct RNode { VALUE flags; VALUE nd_reserved; /* ex nd_file */ union { struct RNode *node; ID id; VALUE value; VALUE (*cfunc)(ANYARGS); ID *tbl; } u1; union { struct RNode *node; ID id; long argc; VALUE value; } u2; union { struct RNode *node; ID id; long state; struct rb_global_entry *entry; struct rb_args_info *args; long cnt; VALUE value; } u3; } NODE;
node flags
NODE 结构体的 flags 字段包含一系列的比特位,存储了 NODE 的一些属性,通过这种压缩存储可以提高 NODE 结构体的空间利用率
// node.h /* NODE_FL: * 0..4: T_TYPES, * 5: KEEP_WB, * 6: PROMOTED, * 7: NODE_FL_NEWLINE|NODE_FL_CREF_PUSHED_BY_EVAL, * 8..14: nd_type, * 15..: nd_line */
以 nd_type 为例,node.h 定义了 nd_type 在 flag 中的偏移量 NODE_TYPE_SHIFT 以及掩码 NODE_TYPE_MASK,以及获取和设置 nd_type 的宏定义
// node.h #define NODE_TYPESHIFT 8 #define NODE_TYPEMASK (((VALUE)0x7f)<<NODE_TYPESHIFT) #define nd_type(n) ((int) (((RNODE(n))->flags & NODE_TYPEMASK)>>NODE_TYPESHIFT)) #define nd_set_type(n,t) \ RNODE(n)->flags=((RNODE(n)->flags&~NODE_TYPEMASK)|((((unsigned long)(t))<<NODE_TYPESHIFT)&NODE_TYPEMASK))
node type
node.h 中给出了完整的 node_type 列表,紧跟每个 node_type 后面的 宏定义是为了方便访问 not_type
// node.h enum node_type { NODE_SCOPE, #define NODE_SCOPE NODE_SCOPE NODE_BLOCK, #define NODE_BLOCK NODE_BLOCK ... }
访问 NODE 字段
如果直接以 C 语言联合体的语法访问 NODE 中的字段会导致程序的可读性很差,因此 node.h 中定义了一些宏方便在 具体 AST 节点上下文中访问,以 if 语句的 NODE 节点为例,可以通过以下宏定义访问 condition(条件语句块),body(条件为 true 时语句块)以及 else(条件为 false 时语句块)
#define nd_cond u1.node #define nd_body u2.node #define nd_else u3.node
新建节点
node.h 中定义了大量的宏方便新建 NODE,这些宏被被组织成一种层次结构
NEW_NODE 宏定义是核心,它直接被展开成 rb_node_newnode 的方法调用
// node.h #define NEW_NODE(t,a0,a1,a2) rb_node_newnode((t),(VALUE)(a0),(VALUE)(a1),(VALUE)(a2))
我们来看看 rb_node_newnode 的实现:
使用 newobj_of 在 GC 管理的堆空间中分配一个 NODE 节点并初始化
设置节点类型 type
// gc.c NODE* rb_node_newnode(enum node_type type, VALUE a0, VALUE a1, VALUE a2) { /* TODO: node also should be wb protected */ NODE *n = (NODE *)newobj_of(0, T_NODE, a0, a1, a2, FALSE); nd_set_type(n, type); return n; }
其它 NEW_XXX 宏引用 NEW_NODE 宏,以 NEW_IF 宏定义(创建if 语句语法树节点)为例:
// node.h #define NEW_IF(c,t,e) NEW_NODE(NODE_IF,c,t,e)
c 代表 condition,即条件语句对应的 NODE 节点
t 代表 then,即条件为 true 时对应的语句的 NODE 节点
e 代表 else,即条件为 false 时对应的语句的 NODE 节点
INSN
INSN 结构体用于描述一条 YARV 指令:
// compile.c typedef struct iseq_insn_data { LINK_ELEMENT link; enum ruby_vminsn_type insn_id; unsigned int line_no; int operand_size; int sc_state; VALUE *operands; } INSN;
link,用于将指令链接成双向链表
insn_id,指令类型
line_no,行号
operand_size,操作数个数
operands,操作数数组
创建 INSN
compile.c 定义了一些宏和函数用于创建 INSN,我们来看几个关键的宏定义
ADD_INSN
// compile.c #define ADD_INSN(seq, line, insn) \ ADD_ELEM((seq), (LINK_ELEMENT *) new_insn_body(iseq, (line), BIN(insn), 0)) #define ADD_INSN2(seq, line, insn, op1, op2) \ ADD_ELEM((seq), (LINK_ELEMENT *) \ new_insn_body(iseq, (line), BIN(insn), 2, (VALUE)(op1), (VALUE)(op2))) #define ADD_INSN3(seq, line, insn, op1, op2, op3) \ ADD_ELEM((seq), (LINK_ELEMENT *) \ new_insn_body(iseq, (line), BIN(insn), 3, (VALUE)(op1), (VALUE)(op2), (VALUE)(op3)))
ADD_INSN2 和 ADD_INSN3 是 ADD_INSN 带操作数版本,我们先看看简单一点的 ADD_INSN
seq,LINK_ANCHOR 结构体,新建的 INSN 将被链接到 seq 末尾(last)
line,行号
insn,指令枚举值
BIN 宏定义在 insns.inc 中,用于将 iseq 转化为 ruby_viminsn_type 类型的枚举值
例如 BIN(nop) 会被展开成 YARVINSN_nop
#define BIN(n) YARVINSN_##n enum ruby_vminsn_type { BIN(nop) = 0, ... }
我们接着来看一下 new_insn_body 函数
如果指令字节码包含操作数,即 argc > 0,则调用 compile_data_alloc 在 iseq 中分配空间并初始化 operands
调用 new_insn_core 函数创建具体的 INSN
new_insn_core 函数调用 compile_data_alloc_insn 函数在 iseq 中分配空间并初始化 INSN
static INSN * new_insn_body(rb_iseq_t *iseq, int line_no, enum ruby_vminsn_type insn_id, int argc, ...) { VALUE *operands = 0; va_list argv; if (argc > 0) { int i; va_init_list(argv, argc); operands = (VALUE *)compile_data_alloc(iseq, sizeof(VALUE) * argc); for (i = 0; i < argc; i++) { VALUE v = va_arg(argv, VALUE); operands[i] = v; } va_end(argv); } return new_insn_core(iseq, line_no, insn_id, argc, operands); } static INSN * new_insn_core(rb_iseq_t *iseq, int line_no, int insn_id, int argc, VALUE *argv) { INSN *iobj = compile_data_alloc_insn(iseq); /* printf("insn_id: %d, line: %d\n", insn_id, line_no); */ iobj->link.type = ISEQ_ELEMENT_INSN; iobj->link.next = 0; iobj->insn_id = insn_id; iobj->line_no = line_no; iobj->operands = argv; iobj->operand_size = argc; iobj->sc_state = 0; return iobj; }
ADD_SEND_R
ADD_SEND_R 宏定义如下:
// compile.c #define ADD_SEND_R(seq, line, id, argc, block, flag, keywords) \ ADD_ELEM((seq), (LINK_ELEMENT *) new_insn_send(iseq, (line), (id), (VALUE)(argc), (block), (VALUE)(flag), (keywords)))
包含的参数比较多
seq,LINK_ANCHOR,新建的 SEND INSN 将被添加到 seq 末尾
line,行号
id,方法 id
argc,参数个数
block,block 参数
flag,标志位
keywords,关键字参数
rb_iseq_t
rb_iseq_t 是对 Ruby 虚拟机执行的指令序列的抽象,包含运行时信息 rb_iseq_constant_body 的引用,以及编译时信息 iseq_compile_data 的引用。虚拟机指令的生成和执行都围绕着 rb_iseq_t 结构体,可见其重要性
// iseq.h #ifndef rb_iseq_t typedef struct rb_iseq_struct rb_iseq_t; #define rb_iseq_t rb_iseq_t #endif
// vm_core.h /* T_IMEMO/iseq */ /* typedef rb_iseq_t is in method.h */ struct rb_iseq_struct { VALUE flags; VALUE reserved1; struct rb_iseq_constant_body *body; union { /* 4, 5 words */ struct iseq_compile_data *compile_data; /* used at compile time */ struct { VALUE obj; int index; } loader; } aux; };
创建 rb_iseq_t
rb_iseq_new_with_opt 函数创建以 参数 node 为根的抽象语法树(AST)对应的 rb_iseq_t,或者按照《编译原理》的说法:根据 AST 生成中间代码(rb_iseq_t)
parent,父 rb_iseq_t,因此可以推断出 rb_iseq_t 被组织成层次结构
type,类型
option,构建选项
// iseq.c rb_iseq_t * rb_iseq_new_with_opt(NODE *node, VALUE name, VALUE path, VALUE absolute_path, VALUE first_lineno, const rb_iseq_t *parent, enum iseq_type type, const rb_compile_option_t *option) { /* TODO: argument check */ rb_iseq_t *iseq = iseq_alloc(); if (!option) option = &COMPILE_OPTION_DEFAULT; prepare_iseq_build(iseq, name, path, absolute_path, first_lineno, parent, type, option); rb_iseq_compile_node(iseq, node); cleanup_iseq_build(iseq); return iseq_translate(iseq); }
iseq_imemo_alloc
该函数用于分配 rb_iseq_t 所需内存,里面调用的 iseq_imemo_alloc,ZALLOC 等函数涉及到 Ruby 内存管理,暂不展开
// iseq.c static rb_iseq_t * iseq_alloc(void) { rb_iseq_t *iseq = iseq_imemo_alloc(); iseq->body = ZALLOC(struct rb_iseq_constant_body); return iseq; }
prepare_iseq_build
prepare_iseq_build 函数为 翻译 AST 做一些准备,这里仅列出和 rb_iseq_t 数据结构相关的一段的代码
static VALUE prepare_iseq_build(rb_iseq_t *iseq, VALUE name, VALUE path, VALUE absolute_path, VALUE first_lineno, const rb_iseq_t *parent, enum iseq_type type, const rb_compile_option_t *option) { ... iseq->body->type = type; set_relation(iseq, parent); ... }
set_relation 函数设置 iseq 的 parent
static void set_relation(rb_iseq_t *iseq, const rb_iseq_t *piseq) { ... if (piseq) { iseq->body->parent_iseq = piseq; } ... }
rb_iseq_compile_node
在经过了前面的准备工作之后,rb_iseq_compile_node 函数开始将 AST 翻译成 rb_iseq_t
VALUE rb_iseq_compile_node(rb_iseq_t *iseq, NODE *node) { // 初始化 LINK_ANCHOR,翻译过程中所有的指令(ISNS 结构体)都会被添加到 ret 里面 DECL_ANCHOR(ret); INIT_ANCHOR(ret); if (node == 0) { // 代码块 1 } else if (nd_type(node) == NODE_SCOPE) { // 代码块 2 } else if (RB_TYPE_P((VALUE) node, T_IMEMO)) { // 代码块 3 } else { // 代码块 4 } // 优化并将 ret 从链式结构转换成线性(数组)结构存储在 iseq 中 return iseq_setup(iseq, ret); }
为了理清思路,对关键代码段进行了注释,并且标明了主要的 4 个分支逻辑
代码块1
代码块1 对应 AST 是一棵空树的情况,即没有 ruby 脚本需要转译,COMPILE 是一个宏定义,下文再详细介绍
if (node == 0) { COMPILE(ret, "nil", node); iseq_set_local_table(iseq, 0); }
代码块2
代码端2 是通常会走到的逻辑,即翻译一个 block, method, class 或 top 作用域
else if (nd_type(node) == NODE_SCOPE) { /* iseq type of top, method, class, block */ iseq_set_local_table(iseq, node->nd_tbl); iseq_set_arguments(iseq, ret, node->nd_args); switch (iseq->body->type) { case ISEQ_TYPE_BLOCK: { break; } case ISEQ_TYPE_CLASS: { break; } case ISEQ_TYPE_METHOD: { break; } default: { } } }