目录

概述

Lowered code.

Typed code

LLVM IR.

Native code.

---

注： 这篇文章在翻译的时候，有些地方我也不是太理解，因为很多地方涉及到了语言编译的底层内容，如果有兴趣可以查阅原文。不过通过这篇文章，还是可以简单了解到Julia的底层编译实现。

概述

Python的标准CPython实现解析源代码，并对其进行一些预处理和简化（也称为“lowering”），将其转换为一种机器友好、易于解释的格式，称为“字节码”。这是“反汇编”Python函数时显示的内容。此代码不可由硬件执行，而是由CPython解释器“可执行”。CPython的字节码格式相当简单，部分原因是解释器往往擅长使用字节码（如果字节码太复杂，就会减慢解释器的速度），还有部分原因是Python社区倾向于高度重视简单性，有时会以高性能为代价。

Julia的实现不是解释的，它是即时（JIT）编译的。这意味着当你调用一个函数时，它被转换成机器代码，由本地硬件直接执行。这个过程比Python解析和底层编译成字节码要复杂得多，Julia 速度提升了，但是也更加复杂。（Python的PypyJIT也比Cpython复杂得多，但通常也快得多——增加复杂性的是提升速度过程中的一个相当典型的代价）。Julia代码的四个级别的“反汇编”使程序可以在从源代码到机器代码的转换的不同阶段使用特定参数类型访问Julia方法的实现。我将使用以下函数来计算参数后的下一个Fibonacci数作为示例：

function nextfib(n)
    a, b = one(n), one(n)
    while b < n
        a, b = b, a + b
    end
    return b
end

julia> nextfib(5)
5

julia> nextfib(6)
8

julia> nextfib(123)
144

Lowered code.

@code_lowered宏以最接近Python字节码的格式显示代码，但它不是由解释器执行的，而是由编译器进一步转换的。这种格式基本上是内部使用的，不适合人阅读。代码被转换成“单个静态赋值”形式，其中“每个变量在使用之前都被定义，且每个变量只被赋值一次”。循环和条件语句使用一个单独的unless/goto结构转换为goto和标签（这在用户级是不可见的）。循环和条件语句使用一个单独的除非/goto构造转换为goto和标签（这在用户级Julia中不公开）。下面是我们以较低格式编写的示例代码

julia> @code_lowered nextfib(123)
CodeInfo(:(begin
        nothing
        SSAValue(0) = (Main.one)(n)
        SSAValue(1) = (Main.one)(n)
        a = SSAValue(0)
        b = SSAValue(1) # line 3:
        7:
        unless b < n goto 16 # line 4:
        SSAValue(2) = b
        SSAValue(3) = a + b
        a = SSAValue(2)
        b = SSAValue(3)
        14:
        goto 7
        16:  # line 6:
        return b
    end))

可以看到SSAValue节点和unless/goto结构和标签号。这不是那么难读，但也不是真的意味着适合人来阅读。降低的代码层级并不依赖于参数的类型，除非它们可以决定要调用哪个方法体——只要调用同一个方法，就会使用到相同的底层的代码。

Typed code

@code_typed 宏在类型推断和内联之后为一组特定的参数类型提供方法实现。代码的这种具体化类似于降低代码层级的形式，但是会使用类型信息来注释表达式，在使用一些泛型函数时也会调用它们的具体实现。例如，下面是示例函数的类型代码：

julia> @code_typed nextfib(123)
CodeInfo(:(begin
        a = 1
        b = 1 # line 3:
        4:
        unless (Base.slt_int)(b, n)::Bool goto 13 # line 4:
        SSAValue(2) = b
        SSAValue(3) = (Base.add_int)(a, b)::Int64
        a = SSAValue(2)
        b = SSAValue(3)
        11:
        goto 4
        13:  # line 6:
        return b
    end))=>Int64

 

对one(n)的调用已替换为文本Int64值1（在我的系统上，默认的整数类型是Int64）。表达式b<n已替换为slt_int intrinsic（“signed integer less than”）的实现，其结果已用返回类型Bool注释。表达式a+b也被替换为add_int内在函数的实现，其结果类型被注释为Int64。整个函数体的返回类型被注释为Int64。

降低的代码仅依赖于参数类型来确定调用哪个方法体，与 lowered code 不同，类型化代码的详细信息依赖于参数类型：

julia> @code_typed nextfib(Int128(123))
CodeInfo(:(begin
        SSAValue(0) = (Base.sext_int)(Int128, 1)::Int128
        SSAValue(1) = (Base.sext_int)(Int128, 1)::Int128
        a = SSAValue(0)
        b = SSAValue(1) # line 3:
        6:
        unless (Base.slt_int)(b, n)::Bool goto 15 # line 4:
        SSAValue(2) = b
        SSAValue(3) = (Base.add_int)(a, b)::Int128
        a = SSAValue(2)
        b = SSAValue(3)
        13:
        goto 6
        15:  # line 6:
        return b
    end))=>Int128

这是使用Int128作为参数的nextfib函数的类型化版本。文本1必须是扩展到Int128的符号，并且操作的结果类型是Int128，而不是Int64类型。如果类型的实现不相同，则类型化代码可能也相差很大。例如，与简单的“位类型”（如Int64和Int128）相比，大整数的nextfib要复杂得多：

julia> @code_typed nextfib(big(123))
CodeInfo(:(begin
        $(Expr(:inbounds, false))
        # meta: location number.jl one 164
        # meta: location number.jl one 163
        # meta: location gmp.jl convert 111
        z@_5 = $(Expr(:invoke, MethodInstance for BigInt(), :(Base.GMP.BigInt))) # line 112:
        $(Expr(:foreigncall, (:__gmpz_set_si, :libgmp), Void, svec(Ptr{BigInt}, Int64), :(&z@_5), :(z@_5), 1, 0))
        # meta: pop location
        # meta: pop location
        # meta: pop location
        $(Expr(:inbounds, :pop))
        $(Expr(:inbounds, false))
        # meta: location number.jl one 164
        # meta: location number.jl one 163
        # meta: location gmp.jl convert 111
        z@_6 = $(Expr(:invoke, MethodInstance for BigInt(), :(Base.GMP.BigInt))) # line 112:
        $(Expr(:foreigncall, (:__gmpz_set_si, :libgmp), Void, svec(Ptr{BigInt}, Int64), :(&z@_6), :(z@_6), 1, 0))
        # meta: pop location
        # meta: pop location
        # meta: pop location
        $(Expr(:inbounds, :pop))
        a = z@_5
        b = z@_6 # line 3:
        26:
        $(Expr(:inbounds, false))
        # meta: location gmp.jl < 516
        SSAValue(10) = $(Expr(:foreigncall, (:__gmpz_cmp, :libgmp), Int32, svec(Ptr{BigInt}, Ptr{BigInt}), :(&b), :(b), :(&n), :(n)))
        # meta: pop location
        $(Expr(:inbounds, :pop))
        unless (Base.slt_int)((Base.sext_int)(Int64, SSAValue(10))::Int64, 0)::Bool goto 46 # line 4:
        SSAValue(2) = b
        $(Expr(:inbounds, false))
        # meta: location gmp.jl + 258
        z@_7 = $(Expr(:invoke, MethodInstance for BigInt(), :(Base.GMP.BigInt))) # line 259:
        $(Expr(:foreigncall, ("__gmpz_add", :libgmp), Void, svec(Ptr{BigInt}, Ptr{BigInt}, Ptr{BigInt}), :(&z@_7), :(z@_7), :(&a), :(a), :(&b), :(b)))
        # meta: pop location
        $(Expr(:inbounds, :pop))
        a = SSAValue(2)
        b = z@_7
        44:
        goto 26
        46:  # line 6:
        return b
    end))=>BigInt

这反映了一个事实，即对bigint的操作相当复杂，涉及到内存分配和对外部GMP库（libgmp）的调用。

LLVM IR.

Julia使用LLVM编译器框架生成机器代码（LLVM compiler framework ）。LLVM 核心库提供了与编译器相关的支持，可以作为多种语言编译器的后台来使用。能够进行程序语言的编译期优化、链接优化、在线编译优化、代码生成。LLVM的项目是一个模块化和可重复使用的编译器和工具技术的集合。有三种同构形式

LLVM IR:

1. 形式1：一种紧凑的、机器可读的二进制表示法。
2. 形式2：适合人来阅读的冗长的文本表示法
3. 形式3：由LLVM库生成和使用的内存中表示。

Julia 使用LLVM的C++ API在内存中构建LLVM IR（形式3），然后调用LLVM进行优化并以该形式进行传递。当执行 @code_llvm 时，你会看到经过高级优化后的llvm IR。下面是使用LLVM的示例代码：

julia> @code_llvm nextfib(123)

define i64 @julia_nextfib_60009(i64) #0 !dbg !5 {
top:
  br label %L4

L4:                                               ; preds = %L4, %top
  %storemerge1 = phi i64 [ 1, %top ], [ %storemerge, %L4 ]
  %storemerge = phi i64 [ 1, %top ], [ %2, %L4 ]
  %1 = icmp slt i64 %storemerge, %0
  %2 = add i64 %storemerge, %storemerge1
  br i1 %1, label %L4, label %L13

L13:                                              ; preds = %L4
  ret i64 %storemerge
}

这是nextfib（123）在内存中LLVM IR的文本形式。LLVM不容易阅读，大多数时候人们都不打算编写或阅读它，但它仍然是完全指定和记录的。一旦你掌握了窍门，就不难理解了。此代码跳转到标签L4，并用i64（LLVM的Int64名称）值1初始化“寄存器”%storemerge1和%storemerge（从不同的位置跳转到不同的位置时，它们的值会得到不同的派生，这就是phi指令的作用）。然后它执行icmp slt比较%storemerge和寄存器%0（在整个方法执行过程中保持参数不变），并将比较结果保存到寄存器%1中。它在%storemerge和%storemerge1上执行add i64，并将结果保存到寄存器%2中。如果%1为真，则分支回L4，否则分支到L13。当代码循环回L4时，寄存器%storemerge1获取%storemerge的前一个值，而%storemerge获取%2的前一个值。

Native code.

由于Julia可以执行本机代码，方法实现的最后一种形式是机器实际执行的内容。这只是内存中的二进制代码，很难阅读，所以很久以前人们发明了各种形式的“汇编语言”，它们用名称表示指令和寄存器，并有一些简单的语法来帮助解析指令。一般来说，汇编语言与机器代码保持着一对一的对应关系，特别是可以将机器代码“反汇编”成汇编代码。下面是我们的例子：

julia> @code_native nextfib(123)
    .section    __TEXT,__text,regular,pure_instructions
Filename: REPL[1]
    pushq   %rbp
    movq    %rsp, %rbp
    movl    $1, %ecx
    movl    $1, %edx
    nop
L16:
    movq    %rdx, %rax
Source line: 4
    movq    %rcx, %rdx
    addq    %rax, %rdx
    movq    %rax, %rcx
Source line: 3
    cmpq    %rdi, %rax
    jl  L16
Source line: 6
    popq    %rbp
    retq
    nopw    %cs:(%rax,%rax)

这是在英特尔酷睿i7上执行的，它属于x86_64CPU系列。它只使用标准的整数指令，所以在什么体系结构上执行并不重要，但是根据机器的特定体系结构，某些代码可以得到不同的结果，因为JIT代码在不同的系统上可能不同。开头的pushq和movq指令是一个标准的函数前导码，将寄存器保存到堆栈中；类似地，popq恢复寄存器并从函数返回retq；nopw是一个2字节的指令，它什么也不做，只是为了填充函数的长度。所以代码的要点就是：

    movl    $1, %ecx
    movl    $1, %edx
    nop
L16:
    movq    %rdx, %rax
Source line: 4
    movq    %rcx, %rdx
    addq    %rax, %rdx
    movq    %rax, %rcx
Source line: 3
    cmpq    %rdi, %rax
    jl  L16

顶部的movl指令用1个值初始化寄存器。movq指令在寄存器之间移动值，addq指令添加寄存器。cmpq指令比较两个寄存器，jl要么跳回L16，要么继续从函数返回。当Julia函数调用运行时，这一部分循环的整数机器指令也正在执行，这可以以人类可读的形式呈现。很容易理解为什么它跑得快。

如果您对JIT编译感兴趣，Eli Bendersky有两篇很好的博客文章可以查阅，他描述了从一种简单解释性语言的怎么实现使用JIT优化：

 

1. http://eli.thegreenplace.net/2017/adventures-in-jit-compilation-part-1-an-interpreter/
2. http://eli.thegreenplace.net/2017/adventures-in-jit-compilation-part-2-an-x64-jit.html