编译器自举和移植

编译器自举和移植

有个著名的问题：Mommy, where do compilers comefrom?要解决这个问题，首先来看看T-Diagram。可以将编译器用一个T形图来表示：

　－－－－－－－－－
｜　Ｓ　　　　　Ｔ　｜
　－－－　　　－－－　　
　　　｜　Ｉ　｜
　　　　－－－
其中，S表示Souce Language，T表示Target Language，I表示ImplementationLanguage。
根据这个图，可以得到两种组合：
1、 由I实现的将S翻译成A的编译器和将A翻译成T的编译器联合起来工作，可以实现S到Ｔ的编译。这不是很有意思的组合。
　－－－－－－－－－－－－－－－－－－
｜　Ｓ　　　　　A　｜　A　　　　　Ｔ　｜
　－－－　　　－－－－－－　　　－－－　　　
　　　｜　Ｉ　｜　　　　｜　Ｉ　｜
　　　　－－－　　　　　　－－－
2、由I实现的将S翻译成T的编译器（compiler C1），由H实现的将I翻译成K的编译器的组合（compilerC2）。这个组合比较有意思：可以用C2去编译C1（将其实现语言从Ｉ翻译成Ｋ），这样就得到由K实现的将S翻译成T的编译器（compilerC3）：
　－－－－－－－－－　　　　　　　　　　　　　　　　－－－－－－－－－
｜　Ｓ　　　　　Ｔ　｜　　　　　　　　　　　　　　｜　Ｓ　　　　　Ｔ　｜
　－－－　　　－－－－－－－－－－　　－－－＞　　　－－－　　　－－－
　　　｜　Ｉ　｜　Ｉ　　　　　Ｋ　｜　　　　　　　　　　｜　Ｋ　｜
　　　　－－－－－－－　　　－－－　　　　　　　　　　　　－－－
　　　　　　　　　　｜　Ｈ　｜
　　　　　　　　　　　－－－
这便是我们所感兴趣的：编译器的编译器。
而一个程序要在某台机器上运行时，其实现语言必须与相应的机器语言匹配。例如在x86平台上，能执行的程序只能是x86机器语言：
－－－－－－－－－－－－－－－－－－
\　　　　Ｐｒｏｇｒａｍ　　　　　/
　\　　　　　　　　　　　　　　/
　　－－－－－－－－－－－－－
　　|　　　　　Ｘ８６　　　　|
　　－－－－－－－－－－－－－
　　|　　　　　Ｘ８６　　　　|
　　－－－－－－－－－－－－－
让我们将T形图和上图联系起来看，以C为例（假定已有x86的C编译器）：
－－－－－－－－　　　　　　　　－－－－－－－－　　　　　　　－－－－－－－－－
\　Ｈｅｌｌｏ　/　　　　　　　　\　Ｈｅｌｌｏ　/　　　　　　　\　Ｈｅｌｌｏ　/
　－－－－－－－－－－－－－－－－－－－－－－－　　　　　　　　－－－－－－－
　｜　Ｃ　　　|　Ｃ　　　　ｘ８６|　ｘ８６　　|　　－－－＞　　｜　x８６　　｜
　－－－－－－－－－　　　　－－－－－－－－－－　　　　　　　　－－－－－－－
　　　　　　　　　　|ｘ８６｜　　　　　　　　　　　　　　　　　｜　x８６　　｜
　　　　　　　　　　－－－－　　　　　　　　　　　　　　　　　　－－－－－－－
上图表示用C写的Hello程序可以在C“机器”上运行，然而这不是我们想要的——在x86机器上运行。于是使用实现语言为x86的编译器（其可执行代码）编译形成x86语言，这样就可以运行了。
根据上面的第２条（编译器的编译器）以及程序的执行，我们可以得出，要想得到在Ｍ机器上运行的Ｓ语言编译器，可以使用Ｓ语言来编写（用Ｍ语言也可以，然而太麻烦）。但还是需要用Ｍ语言写一个具有很小功能的Ｓ编译器，然后用其去编译加入了更多功能的编译器，然后用编译出来的更多功能的编译器去编译，这样就得到了最终需要的编译器，这便是自举。
　－－－－－－－－－　　　　　　　　　　　　　　　　－－－－－－－－－
｜　Ｓ　　　　　Ｍ　｜　　　　　　　　　　　　　　｜　Ｓ　　　　　Ｍ　｜
　－－－　　　－－－－－－－－－－　　－－－＞　　　－－－　　　－－－
　　　｜　Ｓ　｜　Ｓ　　　　　Ｍ　｜　　　　　　　　　　｜　Ｍ　｜
　　　　－－－－－－－　　　－－－　　　　　　　　　　　　－－－
　　　　　　　　　　｜　Ｍ　｜（微型Ｓ编译器）
　　　　　　　　　　　－－－
用Ｓ编写Ｓ的编译器还有一个好处，那就是方便移植，并且能产生交叉编译器。假定要编译Ｋ机器语言的Ｓ编译器，只需要将目标语言替换成Ｋ，然后用已有的Ｓ语言编译器来编译：
　－－－－－－－－－　　　　　　　　　　　－－－－－－－－－
｜　Ｓ　　　　　Ｋ　｜　　　　　　　　　｜　Ｓ　　　　　Ｋ　｜
　－－－　　　－－－－－－－－－－　－＞　－－－　　　－－－
　　　｜　Ｓ　｜　Ｓ　　　　　Ｍ　｜　　　　　｜　Ｍ　｜（运行在Ｍ机器上的编译器，即交叉编译器）
　　　　－－－－－－－　　　－－－　　　　　　　－－－
　　　　　　　　　　｜　Ｍ　｜
　　　　　　　　　　　－－－
有了交叉编译器，就可以编译在Ｋ上运行的Ｓ编译器了：
　－－－－－－－－－　　　　　　　　　　　－－－－－－－－－
｜　Ｓ　　　　　Ｋ　｜　　　　　　　　　｜　Ｓ　　　　　Ｋ　｜
　－－－　　　－－－－－－－－－－　－＞　－－－　　　－－－
　　　｜　Ｓ　｜　Ｓ　　　　　Ｋ　｜　　　　　｜　Ｋ　｜
　　　　－－－－－－－　　　－－－　　　　　　　－－－
　　　　　　　　　　｜　Ｍ　｜

　　　　　　　　　　　－－－

PS

这个知识实在是简单又基础，主要是觉得很有意思才在这里说说。整个GCC（编译器及交叉编译器）就是用自举和移植产生的，对此RMS有详细的说明。——当然，也有很多编译器不是这样写出来的——用另一种语言编写的。可是，“Mom,where does the compiler needed come from?”
实在不愿意贴图了，就用字符代替了，懒:)

参考

Compiler Construction Principles and Practice, by Kenneth C.Louden
"Mommy, where do compilers come from?", by anonymous.
Copyleft (C) 2007, 2008 raof01.
 早期的CPU全部是CISC架构，它的设计目的是要用最少的机器语言指令来完成所需的计算任务。比如对于乘法运算，在CISC架构的CPU上，您可能需要这样一条指令：MULADDRA, ADDRB就可以将ADDRA和ADDRB中的数相乘并将结果储存在ADDRA中。将ADDRA,ADDRB中的数据读入寄存器，相乘和将结果写回内存的操作全部依赖于CPU中设计的逻辑来实现。这种架构会增加CPU结构的复杂性和对CPU工艺的要求，但对于编译器的开发十分有利。比如上面的例子，C程序中的a*=b就可以直接编译为一条乘法指令。今天只有Intel及其兼容CPU还在使用CISC架构。

   RISC架构要求软件来指定各个操作步骤。上面的例子如果要在RISC架构上实现，将ADDRA,ADDRB中的数据读入寄存器，相乘和将结果写回内存的操作都必须由软件来实现，比如：MOV A, ADDRA; MOV B,ADDRB; MUL A, B; STR ADDRA,A。这种架构可以降低CPU的复杂性以及允许在同样的工艺水平下生产出功能更强大的CPU，但对于编译器的设计有更高的要求。