Lec 01 编译器概览（Overview of Compilation）

对应课程：MIT 6.1100 / 6.035 Computer Language Engineering 配套复习课：R1（课程信息）、R2（递归下降分析器，主体在 L3） 参考：Cooper et al., Engineering a Compiler, Ch.1

TL;DR

• 编译器把源语言中命名且结构化的计算，逐层降级为目标机器的寄存器、内存和跳转。
• 词法 / 语法、语义分析、IR、代码生成和优化构成一条连续流水线，每层都为下一层建立明确不变式。
• 优化不只追求速度，还要在代码体积、功耗、编译时间、可调试性与可靠性之间取舍。

---

0. 课程与项目结构（R1 补充）

整个课程围绕一个从零搭建编译器的项目展开（"Blank page project"），分为五个阶段（Five Segments），每个阶段先发项目说明，再上 2–5 节课，然后给设计文档/检查点时间，最后提交。

协作政策：可以和任何人讨论，但代码必须自己写；使用专门的编译器构造库前需问 TA。

---

1. 什么是编译器（What a Compiler Does）

编译器 (compiler) 做的是翻译 (translation)：

• 输入：高级编程语言（high-level programming language）
• 输出：低级汇编/机器指令（low-level assembly instructions）

翻译可分解为四步：

1. 读入并理解程序（read and understand）
2. 精确判定程序要求执行的动作（determine what actions it requires）
3. 设计如何忠实地实现这些动作（figure out how to faithfully carry out）
4. 指挥机器执行这些动作（instruct the computer）

1.1 输入语言的抽象模型

标准命令式语言（Java / C / C++）由两部分构成：

• 状态 (state)：变量（variables）、结构体（structures）、数组（arrays）
• 计算 (computation)：表达式（算术/逻辑）、赋值语句、控制流（条件、循环）、过程（procedures）

1.2 输出机器的抽象模型

• 状态：寄存器（registers）+ 扁平地址空间的内存（flat address space memory）
• 机器码（load/store 架构）：load/store 指令、寄存器上的算术/逻辑运算、分支指令（branch）

核心张力：源语言有"命名的、结构化的"状态与"嵌套的、抽象的"计算；目标机器只有寄存器、线性内存和跳转。编译器的全部工作，就是把前者降级 (lower) 到后者。

---

2. 为什么学编译器（Why Study Compilers?）

• 编译器让我们用高级语言而非机器指令编程，带来可塑性（malleability）、可移植性（portability）、模块化（modularity）、简洁性（simplicity）、程序员生产力（productivity），同时还要保证效率与性能（efficiency & performance）。
• 它是程序员不可或缺的生产力工具，也是最复杂的软件系统之一。

2.1 编译器触及的 CS 领域

领域	涉及内容
理论 (Theory)	有限状态自动机、文法与解析、数据流
算法 (Algorithms)	图操作、动态规划
数据结构 (Data structures)	符号表、抽象语法树
系统 (Systems)	分配与命名、多趟系统、编译器构造
计算机体系结构	存储层级、指令选择、互锁与延迟、并行
安全 (Security)	漏洞检测与防护
软件工程	开发环境、调试
人工智能 (AI)	基于启发式搜索的最优优化

这正是编译器课"重"的原因：它是 CS 各分支的一次集中练兵。

---

3. 编译流程的五个阶段（The Pipeline）

按项目阶段，编译可拆为：

源程序
  │  ① 词法 + 语法分析 (Lexical & Syntax Analysis)   → 语法树 / Token 流
  ▼
  │  ② 语义分析 (Semantic Analysis)                 → 类型检查、符号表、IR
  ▼
  │  ③ 代码生成 (Code Generation)                   → x86 汇编
  ▼
  │  ④ 数据流分析 (Dataflow Analysis)               → 分析信息
  ▼
  │  ⑤ 优化 + 寄存器分配 (Optimization & RegAlloc)  → 优化后的汇编
  ▼
目标程序

前两阶段合称前端 (front-end)，理解程序；后三阶段（尤其④⑤）属后端/中端 (back-end / middle-end)，关注生成与优化。

---

4. 优化实战：sumcalc 案例（贯穿全课的引子）

下面这个例子是整门课的"广告"：同一段 C 代码，未优化与优化后在内层循环的指令数与执行时间差异巨大。它预演了后续多讲的优化技术。

源程序：

int sumcalc(int a, int b, int N) {
    int i, x, y;
    x = 0;
    y = 0;
    for (i = 0; i <= N; i++) {
        x = x + (4*a/b)*i + (i+1)*(i+1);
        x = x + b*y;
    }
    return x;
}

下面逐步施加经典优化（每一步都是一道"看代码怎么变"的例题）。

优化后程序：

int sumcalc(int a, int b, int N) {
    int i, x, t, u, v;
    x = 0;
    u = ((a<<2)/b);
    v = 0;
    for (i = 0; i <= N; i++) {
        t = i+1;
        x = x + v + t*t;
        v = v + u;
    }
    return x;
}

最后再做寄存器分配 (Register Allocation)：把 X, t, u, v, i 等局部变量从栈帧（fp 相对地址）搬进物理寄存器（如 %r8d=X, %r9d=t, %r10d=u, %ebx=v, %ecx=i），消除大量 load/store。

4.1 量化收益

关键洞察：绝大部分收益来自内层循环——这是后续"循环优化"专讲存在的理由。

---

5. 编译器的优化目标维度（Optimize For…）

编译器并不只为"快"。优化可针对多个互相权衡的目标：

• 性能 / 速度（Performance / Speed）
• 代码体积（Code Size）
• 功耗（Power Consumption）
• 编译速度本身（Fast / Efficient Compilation）
• 安全 / 可靠性（Security / Reliability）
• 可调试性（Debugging）

不同场景下目标不同（嵌入式重体积与功耗，调试构建重可调试性），这决定了优化是一组可配置的策略而非单一目标。

---

6. 编译流水线与优化目标小结

• 编译器 = 把"高级语言的抽象状态与计算"忠实降级为"机器的寄存器、内存与跳转"。
• 标准流程：词法/语法 → 语义 → 代码生成 → 数据流分析 → 优化/寄存器分配。
• sumcalc 案例预演了贯穿全课的优化技术族（常量/复制传播、代数化简、CSE、死代码、循环不变外提、强度削弱、寄存器分配），收益主要落在内层循环。
• 优化是多目标权衡，"优化"≠"只优化速度"。