技术

对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go细节 codereview mat使用 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 MVCC 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes自动扩容缩容 神经网络模型优化 直觉上理解机器学习 knative入门 如何学习机器学习 神经网络系列笔记 TIDB源码分析 《阿里巴巴云原生实践15讲》笔记 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 扩展Kubernetes 副本一致性 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全机制 jvm crash分析 Kubernetes监控 Kubernetes 控制器模型 Prometheus 学习 容器日志采集 容器狂占cpu怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes objects之编排对象 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 kubernetes实践 jib源码分析之细节 线程排队 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 《深入剖析kubernetes》笔记 精简代码的利器——lombok 学习 编程语言的动态性 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 分布式计算系统的那些套路 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 mysql 批量操作优化 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS2——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 硬件对软件设计的影响 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记2 《mysql技术内幕》笔记1 log4j学习 为什么netty比较难懂? 回溯法 apollo client源码分析及看待面向对象设计 学习并发 docker 环境(主要运行java项目)常见问题 Scala的一些梗 OpenTSDB 入门 spring事务小结 事务一致性 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型 java exception Linux IO学习 network channel network byte buffer 测试环境docker化实践 netty(七)netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Macvlan Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker中涉及到的一些linux知识 hystrix学习 Linux网络源代码学习——整体介绍 zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty(六)netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 Redis概述 机器学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 异构数据库表在线同步 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM内存与执行 git spring rmi和thrift maven/ant/gradle使用 再看tcp 缓存系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 VPN(Virtual Private Network) Kubernetes存储 Kubernetes 其它特性 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 使用etcd + confd + nginx做动态负载均衡 如何通过fleet unit files 来构建灵活的服务 CoreOS 安装 CoreOS 使用 Go学习 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

标签


《编译原理之美》笔记——前端部分

2020年02月08日

简介

编程珠玑番外篇-O 中间语言和虚拟机漫谈编程语言的发展历史,总的来说,是一个从抽象机器操作逐步进化为抽象人的思维的过程。机器操作和人的思维如一枚硬币的两面,而语言编译器就像是个双面胶,将这两面粘在一起,保证编程语言源程序和机器代码在行为上等价。当然,人本身并不是一个完美的编译器,不能无错的将思维表达为高级语言程序,这种偏差,即Bug。因为编译器的帮助,我们可以脱离机器细节,只关心表达思维和程序行为这一面。

宏观

  1. 前端(Front End)指的是编译器对程序代码的分析和理解过程,它通常只跟语言的语法有关,跟目标机器无关。前端的重点是让编译器能够读懂程序。无结构的代码文本,经过前端的处理以后,就变成了 Token、AST 和语义属性、符号表等结构化的信息。
  2. 后端(Back End)”则是生成目标代码的过程,跟目标机器有关。

词法分析——将字符串+词法规则转换为Token List

汉语里每个词之间是没有空格的,但我们会下意识地把句子里的词语正确地拆解出来。比如把“我学习编程”这个句子拆解成“我”“学习”“编程”,这个过程叫做“分词”。如果你要研发一款支持中文的全文检索引擎,需要有分词的功能。对于代码来说,需要将代码片段识别为关键字、标识符、操作符、数字字面量等,统称Token,可以通过构造有限自动机来实现。

词法分析器分析整个程序的字符串,当遇到不同的字符时,会驱使它迁移到不同的状态。例如,词法分析程序在扫描 age 的时候,处于“标识符”状态,等它遇到一个 > 符号,就切换到“比较操作符”的状态。词法分析过程,就是这样一个个状态迁移的过程。

我们可以把所有常用的词法规则都用正则表达式描述出来,用现成工具Lex/Yacc/JavaCC/Antlr生成词法分析器。

Antlr支持的词法规则文件

lexer grammar Hello;  //lexer关键字意味着这是一个词法规则文件,名称是Hello,要与文件名相同
//关键字
If :               'if';
Int :              'int';
//字面量
IntLiteral:        [0-9]+;
StringLiteral:      '"' .*? '"' ;  //字符串字面量
//操作符
AssignmentOP:       '=' ;    
RelationalOP:       '>'|'>='|'<' |'<=' ;    
LeftParen:          '(';
RightParen:         ')';
//标识符
Id :                [a-zA-Z_] ([a-zA-Z_] | [0-9])*;

语法分析——将Token List+语法规则转换为AST

语法分析就是在词法分析的基础上识别出程序的语法结构。这个结构是一个树状结构,是计算机容易理解和执行的。

一个程序就是一棵树,这棵树叫做抽象语法树(Abstract Syntax Tree,AST)。树的每个节点(子树)是一个语法单元,这个单元的构成规则就叫“语法”。每个节点还可以有下级节点。层层嵌套的树状结构,是我们对计算机程序的直观理解。计算机语言总是一个结构套着另一个结构,大的程序套着子程序,子程序又可以包含子程序

AST 叶子节点,就是词法分析阶段生成的 Token。对这棵 AST 做深度优先的遍历,你就能依次得到原来的 Token

AST的生成有很多现成的工具,比如 Yacc(或 GNU 的版本,Bison)、Antlr、JavaCC 等。javascript-ast提供javascript 语法树的可视化

语义分析——标注AST的属性

(代码结构化)词法和语法都有很固定的套路,甚至都可以工具化的实现。但语言设计的核心在于语义,特别是要让语义适合所解决的问题。比如 SQL 语言针对的是数据库的操作,那就去充分满足这个目标就好了。

语义分析是要让计算机理解我们的真实意图,把一些模棱两可的地方消除掉。

  1. 某个表达式的计算结果是什么数据类型?如果有数据类型不匹配的情况,是否要做自动转换?
  2. 如果在一个代码块的内部和外部有相同名称的变量,我在执行的时候到底用哪个?
  3. 在同一个作用域内,不允许有两个名称相同的变量,这是唯一性检查。
  4. 变量类型的消解。比如当我们声明“Bird bird = Bird(); ”时,需要知道 Bird 对象的定义在哪里,以便正确地访问它的成员。在做语义分析时,会把类型定义会保存在 一个数据结构中

语义分析的结果保存在AST 节点的属性上,比如在 标识符节点和 字面量节点上标识它的数据类型是 int 型的。在AST上还可以标记很多属性,有些属性是在之前的两个阶段就被标注上了,比如所处的源代码行号,这一行的第几个字符。某些部分也可以独立存储(只是在概念上,这些属性还是标注在树节点上的),比如符号表。变量、类和函数的名称,我们都叫做符号,编译过程中的一项重要工作就是建立符号表,它帮助我们进一步地编译或执行程序。在符号表里,我们保存它的名称、类型、作用域等信息。对于类和函数,我们也有相应的地方来保存类变量、方法、参数、返回值等信息。

从属性计算的视角看,各种语义分析问题都可以看做是对 AST 节点的某个属性进行计算。比如,针对变量赋值语句中的“左值”,它需要计算的属性包括:

  1. 它的变量定义是哪个(这就引用到定义该变量的 Symbol)。
  2. 它的类型是什么?
  3. 它的作用域是什么?
  4. 这个节点求值时,是否该返回左值?能否正确地返回一个左值?
  5. 它的值是什么?

语义分析获得的一些信息(引用消解信息、类型信息等),会附加到 AST 上,AST 加上这些语义规则,就能完整地反映源代码的含义。可以深度优先地遍历 AST,并且一边遍历,一边执行语法规则。那么这个遍历过程,就是解释执行代码的过程。相当于写了一个基于 AST 的解释器。

从属性计算的角度看,对表达式求值,或运行脚本,只是去计算 AST 节点的 Value 属性。属性计算,可以伴随着语法分析的过程一起进行,也可以在做完语法分析以后再进行。这两个阶段不一定完全切分开。甚至,我们有时候会在语法分析的时候做一些属性计算,然后把计算结果反馈回语法分析的逻辑,帮助语法分析更好地执行。(开阔一下思路,免得把知识学得太固化了)。

在工程上,为了让算法更清晰,还会把语义分析过程拆成了好几个任务,对 AST 做了多次遍历。比如《编译之美》中示例编译器的实现

  1. 第一遍类型和作用域解析,把自定义类、函数和和作用域的树都分析出来。
  2. 第二遍类型的消解,把所有出现引用到类型的地方,都消解掉,比如变量声明、函数参数声明、类的继承等等。
  3. 第三遍引用的消解和 S 属性的类型的推导,对所有的变量、函数调用,都会跟它的定义关联起来,并且完成了所有的类型计算。
  4. 第四遍做类型检查,比如当赋值语句左右两边的类型不兼容的时候,就可以报错。
  5. 第五遍做一些语义合法性的检查,比如 break 只能出现在循环语句中,如果某个函数声明了返回值,就一定要有 return 语句等等。

实例分析——一个简单的解释器

  1. 支持变量声明和初始化语句
  2. 支持赋值语句“age = 45”;
  3. 在表达式中可以使用变量,例如“age + 10 *2”;

java类实现

一个最简单版 脚本解释器实现

public class SimpleScript {
    // 简单地用了一个 HashMap 作为变量存储区。在变量声明语句和赋值语句里,都可以修改这个变量存储区中的数据
    private HashMap<String, Integer> variables = new HashMap<String, Integer>();
    public static void main(String[] args) {
        SimpleScript script = new SimpleScript();
        SimpleParser parser = new SimpleParser();
        ...
        // 读取输入的一行
        String line = reader.readLine().trim();
        // 将输入经过词法分析器转为Token数组,再转换为AST
        ASTNode tree = parser.parse(scriptText);
        // 所谓解释执行,其实是对AST进行遍历计算
        script.evaluate(tree, "");
        ...
    }
}

语法分析

public class SimpleParser {
    // 解析脚本 生成AST
    public ASTNode parse(String script) throws Exception {
        SimpleLexer lexer = new SimpleLexer();
        TokenReader tokens = lexer.tokenize(script);
        ASTNode rootNode = prog(tokens);
        return rootNode;
    }
    private SimpleASTNode prog(TokenReader tokens) throws Exception{
        SimpleASTNode node = new SimpleASTNode(ASTNodeType.Programm, "pwc");
        // 穷举词法分析得到的tokens 是什么语句,作为AST 根节点的子节点
        while (tokens.peek() != null) {
            SimpleASTNode child = intDeclare(tokens);
            if (child == null) {
                child = expressionStatement(tokens);
            }
            if (child == null) {
                child = assignmentStatement(tokens);
            }
            if (child != null) {
                node.addChild(child);
            } else {
                throw new Exception("unknown statement");
            }
        }
        return node;
    }
}

脚本解释器

AST 是语法解析的成果,解释器所谓“解释”就是对AST 的运算

public class SimpleScript {
    // 遍历AST,计算值
    private Integer evaluate(ASTNode node, String indent) throws Exception {
        switch (node.getType()) {
        case Programm://程序入口,根节点
        case Additive://加法表达式
            ASTNode child1 = node.getChildren().get(0);
            Integer value1 = evaluate(child1, indent + "\t");
            ASTNode child2 = node.getChildren().get(1);
            Integer value2 = evaluate(child2, indent + "\t");
            // 取出左右节点,递归求职,然后根据加法符号进行计算
            if (node.getText().equals("+")) {
                result = value1 + value2;
            } else {
                result = value1 - value2;
            }
            break;
        case Multiplicative://乘法表达式
        case IntLiteral://整型字面量
        case Identifier://标识符
        case AssignmentStmt://赋值语句
        case IntDeclaration://整型变量声明
        }
    }
}

从某个视角看,脚本解释跟md/OpenAPI渲染 是一样一样的,只是代码的词法规则、语法规则更多

  源文件 内部处理 效果呈现
markdown引擎 md文本 java对象 html
OpenAPI渲染 OpenAPI规范文本 java对象 html
代码解释器 代码文本 AST 代码执行

其它

为什么是AST?

编译的第一步是构建一个叫抽象语法树(AST)的数据结构 (脚注: 语法树这个概念来源于 LISP)。有了这样的数据结构后,解释器和编译器在此分野。

抽象语法树(AST),是源代码的结构的一种抽象表示,它用树状的方式表示编程语言的语法结构,抽象语法树抹去了源代码中不重要的一些字符 - 空格、分号或者括号等等。

程序代码的树形表示 html/DOM 编程语言/AST
基本组成 标签 代码
内部表示 DOM AST

中文总是倾向于将重要的事情放在最后说,所以抽象语法树 容易重点关注“树”。抽象语法树 拆开来理解

  1. 语法,编程语言之间的差异直接体现在 语法和语义上,比如java 和go 的方法定义就不同。 具体的说,语法可以认为是 一个语言包含多少中语句(比如赋值语句、函数定义),每个语句有哪些组成。然后因为语句之间 包含关系,进而构成一棵树。
  2. 树,计算机语言总是一个结构套着另一个结构,大的程序套着子程序,子程序又可以包含子程序。 就像一个树状结构一样。从 可视化的角度看,只要能够表达 层次关系,也可以不按树形输出,以java 对象的语法规则为例

     classDeclaration // classDeclaration 几个组成(包括两个可选)
         : CLASS IDENTIFIER
         (EXTENDS typeType)?
         (IMPLEMENTS typeList)?
         classBody // classBody的详细组成另行描述
         ;
    
     classBody
         : '{' classBodyDeclaration* '}'
         ;
    
     classBodyDeclaration
         : ';'
         | memberDeclaration
         ;
    
     memberDeclaration
         : functionDeclaration
         | fieldDeclaration
         ;
    
     functionDeclaration
         : typeTypeOrVoid IDENTIFIER formalParameters ('[' ']')*
         (THROWS qualifiedNameList)?
         functionBody
         ;
    
  3. 语法树 只是代码另一种形态的文字表示。代码中看到 “=” 知道是赋值语句,在语法树中则是一个明确的 VariableDeclaration。但语法树只是 代码的另一种表示,就好像水有固态、液态和气态,但都是H2O一样。至于一个赋值语句涉及到的 给变量申请空间,将内存某个地址设置为某个值的动作,是语义的事情,针对每个语句定义解释器的行为。PS:在k8s中,我们编写yaml 文件,k8s 负责操作集群 使其符合yaml 定义的状态。再往前推,有java sdk 用来封装 k8s api,Deloyment deployment = new Deployment 这个赋值语句可以解释为 内存中新建了一个Deployment 对象,也可以解释为 集群中新出现了一个 Deployment

抽象语法树的使用场景

  1. 语法检查、代码错误提示、代码自动补全
  2. 代码高亮、代码格式化、代码风格检查
  3. 关键字匹配
  4. 作用域判断
  5. 代码压缩

但从AST 的学习来说,js 相关文章比较多,语法树格式也比较易懂。

类型系统

《编译原理之美》:类型系统是一门语言所有的类型的集合,操作这些类型的规则,以及类型之间怎么相互作用的(比如一个类型能否转换成另一个类型)。

类型到底是什么?我们说一个类型的时候,究竟在说什么?要知道,在机器代码这个层面,其实是分不出什么数据类型的。在机器指令眼里,那就是 0101,它并不对类型做任何要求,不需要知道哪儿是一个整数,哪儿代表着一个字符,哪儿又是内存地址。你让它做什么操作都可以,即使这个操作没有意义,比如把一个指针值跟一个字符相加。

那么高级语言为什么要增加类型这种机制呢?对类型做定义很难,但大家公认的有一个说法:类型是针对一组数值,以及在这组数值之上的一组操作。比如,对于数字类型,你可以对它进行加减乘除算术运算,对于字符串就不行。所以,类型是高级语言赋予的一种语义,有了类型这种机制,就相当于定了规矩,可以检查施加在数据上的操作是否合法。因此类型系统最大的好处,就是可以通过类型检查降低计算出错的概率。所以,现代计算机语言都会精心设计一个类型系统,而不是像汇编语言那样完全不区分类型。

根据类型检查是在编译期还是在运行期进行的,我们可以把计算机语言分为两类:

  1. 静态类型语言(全部或者几乎全部的类型检查是在编译期进行的)。因为编译期做了类型检查,运行期不用再检查类型,性能更高。像 C、Java 和 Go 语言,在编译时就对类型做很多处理,包括检查类型是否匹配,以及进行缺省的类型转换
  2. 动态类型语言(类型的检查是在运行期进行的)。

跟静态类型和动态类型概念相关联的,还有强类型和弱类型。强类型语言中,变量的类型一旦声明就不能改变,弱类型语言中,变量类型在运行期时可以改变。二者的本质区别是,强类型语言不允许违法操作,因为能够被检查出来,弱类型语言则从机制上就无法禁止违法操作,所以是不安全的。

类型检查主要出现在几个场景中:

  1. 赋值语句(检查赋值操作左边和右边的类型是否匹配)。
  2. 变量声明语句(因为变量声明语句中也会有初始化部分,所以也需要类型匹配)。
  3. 函数传参(调用函数的时候,传入的参数要符合形参的要求)。
  4. 函数返回值(从函数中返回一个值的时候,要符合函数返回值的规定)。

a = b + 10 类型推导的代码实现。我们在编译期实现了这段代码,就不用放在运行期了。

case PlayScriptParser.ADD:
    if (type1 == PrimitiveType.String || 
        type2 == PrimitiveType.String){
        type = PrimitiveType.String;
    }
    else if (type1 instanceof PrimitiveType && 
            type2 instanceof PrimitiveType){
        //类型“向上”对齐,比如一个int和一个float,取float
        type = PrimitiveType.getUpperType(type1,type2);
    }else{
        at.log("operand should be PrimitiveType for additive operation", ctx);
    }
    break;

闭包的实现

闭包就是把函数在静态作用域中所访问的变量的生存期拉长,形成一份可以由这个函数单独访问的数据。正因为这些数据只能被闭包函数访问,所以也就具备了对信息进行封装、隐藏内部细节的特性。

function int() fun1(){        //函数的返回值是一个函数    
    int b = 0;                //函数内的局部变量    
    int inner(){              //内部的一个函数        
        a = a+1;        
        b = b+1;        
        return b;             //返回内部的成员    
    }    
    return inner;             //返回一个函数
}
function int() fun2 = fun1(); 

原理是:给 fun2 赋值时,先执行 fun1() 函数,创建一个 FunctionObject 对象(包含变量b),作为 fun1() 的返回值,给到调用者。

从类型体系的角度理解继承和多态

面向对象主要的特点:封装、继承、多态。 语义分析的事情汇总一下就是:类型系统和处理上下文。所以说,面向对象对 编译系统(主要是对语法和语义分析)的影响 主要说的是 语法分析要支持封装,继承多态对语义分析(类型系统和处理上下文)的影响。

//将子类的实例赋给父类的变量
Mammal a = Cow();
Mammal b = Sheep();
// 对象a 的类型在运行时可能发生更改,编译期只确定a的父类型Mammal
a = b;

继承和多态对类型系统提出的新概念,就是子类型。我们之前接触的类型往往是并列关系,你是整型,我是字符串型,都是平等的。而现在,一个类型可以是另一个类型的子类型。对某个类型所做的所有操作都可以用子类型替代。这会导致我们在编译期无法准确计算出a/b的类型,从而无法对方法和属性的调用做完全正确的消解(或者说绑定):指向 Cow 或 Sheep 的 speak 方法。这部分工作要留到运行期去做,在运行期对象里是保存了真实类型信息的,我们能知道 a 和 b 这两个变量具体指向的是哪个对象。也因此,面向对象编程会具备非常好的优势,因为它会导致多态性。这个特性会让面向对象语言在处理某些类型的问题时,更加优雅。