HEC虚拟机的一些改进建议

HEC虚拟机的一些改进建议

陈硕 2004-02-13

在《虚拟机的设计与实现——C/C++》一书中，作者Bill Blunden描述了一个简单但完整的虚拟机——HEC的设计及实现。在阅读第三章的过程中，我发现有几处值得改进的地方。不是针对HEC的总体设计和代码结构——那样牵一发而动全局，而是针对HEC虚拟机实现代码中某些细节做些改进。

1.        转换字节序

HEC的字节序（byte order）是big-endian（高位在前），而宿主平台（Win32 on Intel）是little-endian（低位在前），所以在装入.RUN文件时需要转换字节序。作者先定义了HEC虚拟机的各种类型（p.61，原书p.67）：

#define U1    unsigned char

#define U2    unsigned short

#define U4    unsigned long

#define U8    unsigned __int64

然后定义了10个转换函数（p.62，原书p.68）。例如，U2 bytecodeToWord(U1 bytes[]) 的作用是将big-endian的16位无符号整数转换为本机格式：

U2 bytecodeToWord(U1 bytes[])

{

    U2 word;

    U1 *buffer;

 

    buffer = (U1*)&word;

    buffer[0] = bytes[1];

    buffer[1] = bytes[0];

 

    return(word);

}

这个函数没有考虑移植性（portability），它认定本机的字节序是little-endian。一种移植性较好的做法是：

U2 bytecodeToWord(U1 bytes[])

{

    U2 word = (bytes[0] << 8) + bytes[1];

 

    return word;

}

这样无论主机是little-endian或者big-endian都能正确运作。在执行左移运算（<<）之前，C语言会自动把bytes[0]从unsigned char类型提升（promote）为int类型，所以不用担心数值“移掉了”。

另一种好办法是利用sockets API中的ntohs()函数：

#include   // or on unix-like OSes

 

U2 bytecodeToWord(U1 bytes[])

{

    return ntohs(*(U2*)bytes);

}

对U4 bytecodeToDWord(U1 bytes[]) 也可照此办理：

U4 bytecodeToDWord(U1 bytes[])

{

    U4 dword = (bytes[0] << 24) + (bytes[1] << 16)

               + (bytes[2] << 8) + bytes[3];

 

    return dword;

}

 

// or using ntohl()

U4 bytecodeToDWord(U1 bytes[])

{

    return ntohl(*(U4*)bytes);

}

采用同样的思路，本机数据转换为big-endian的函数可改写为（以dwordToBytecode()为例）：

void dwordToBytecode(U4 dword, U1 arr[])

{

    arr[0] = dword >> 24;

    arr[1] = (dword >> 16) & 0xFF;

    arr[2] = (dword >> 8) & 0xFF;

    arr[3] = dword & 0xFF;

}

 

// or using htonl()

void dwordToBytecode(U4 dword, U1 arr[])

{

    *(U4*)arr = htonl(dword);

}

在Intel处理器上，转换16位整数的字节序只需一条语句（假设数据已读取寄存器ax）：

xchg     al, ah

改变32位整数的字节序也只需三条语句（假设数据已读取寄存器eax）：

xchg    al, ah

ror     eax, 16

xchg    al, ah

GCC编译器在使用-O2优化开关时，就会将ntohl()函数和htonl()函数编译为上面的形式。

2.      验证字节码

在验证阶段，HEC虚拟机将检查每条指令的格式是否正确，包括操作码、寄存器号、地址值的合法性和指令的完整性，并将转换操作数的字节序。这可以视为反汇编器（disassembler）。其基本结构是

while (current_byte < stop) {

    U1 opcode = RAM[current_byte];

   

    switch (opcode) {

    case LBI:   /* LBI $r1, byte_constant  BBB */

        ...

    case ADD:   /* ADD $r1, $r2, $r3  BBBB*/

        ...

    default:    /* Bad opcode */

        report the error

    }

}

其中switch-case结构的代码有近550行，列了整整12页（p.104~p.106，原书p.109~p.119）。仔细观察可以发现，其中很多代码段是重复的，很难维护。由于指令的格式很有规律，所以我们可以复用代码，简化验证过程。我的想法是，将各条指令的格式存入数组char* I_fmt[]；验证字节码时，根据指令的操作码（opcode）取回格式字符串，再根据格式字符串验证指令的合法性。换句话说，这里设计了一种用于描述指令格式的小语言。基本结构为

char* I_fmt[256] =

{

  // LBI, LWI, LDI, LQI

  "ORB", "ORW", "ORD", "ORQ",

  ...

};

 

// in reformat()

while (current_byte < stop) {

    U1 opcode = RAM[current_byte];

    char* fmt = I_fmt[opcode];

    char field;

 

    if (fmt == NULL) { // invalid opcode

        report the error and return

    }

 

    field = *fmt++;

    while (field != '/0') {

        switch (field) {

        case 'O': // opcode

            ...

        case 'R': // integer register

            ...

        default :

            FATAL_ERROR();

            break;

        }

        field = *fmt++;

    }

}

这样整个while循环只有80余行，不到原来的1/6，完整的代码可从我的个人主页下载（http://www.chenshuo.com）。这里’O’表示操作码、’R’表示整数寄存器、’F’表示浮点寄存器、’L’表示双精度浮点寄存器、’B’表示8位立即数、’W’表示16位立即数、’D’表示32位立即数、’Q’表示64位立即数、’A’表示64位地址（LAD指令）、’f’表示浮点立即数（32位）、’l’表示双精度浮点立即数（64位）、’V’表示中断向量（INT指令）等等。

3.       其他改进建议

作者声称HEC把各种整数都看作时有符号数(signed)，但是他写的SLT语句确进行无符号的大小比较（p.134，原书p.137）。也就是说HEC实际上没有比较有符号整数大小的语句，它把参与大小比较的整数都看作是无符号的（意味着0<-1），这与作者的设想正好相反。因此，我建议增加一条SLTU语句，用来比较无符号整数，而原有的SLT语言则改为比较有符号数。这样就二者兼顾了。

 

.完.