编译原理速览
这一章不讲怎么实现编译器,只讲清楚:你写的 Aero 代码,到底经历了什么才变成可执行文件。看完你对"为什么 Aero 快""为什么有些错误在编译期就报"会有具体的感觉。
流水线
源码 → 词法分析 → 语法分析 → HIR(名称解析 + 类型推断 + 借用检查)→ LLVM IR → 机器码
第一步:词法分析(Lex)
把字符串切成"单词"(token)。let x = 1; 被切成 let、x、=、1、;。这一步不管语法对不对,只负责切分。字符串、数字、标识符、运算符、括号都是 token。
第二步:语法分析(Parse)
按文法把 token 组装成树(AST)。1 + 2 * 3 在这里变成一棵"乘法在加法下面"的树,对应运算符优先级。这阶段能抓到的错误就是"语法错误"——比如漏分号、括号不匹配。
第三步:HIR 与类型推断
这是 Aero 的核心。AST 被转成 HIR(高层中间表示),同时做三件事:
1. 名称解析:x 到底指哪个变量,max 是哪个函数,全部对上号。这个阶段抓"未定义变量""函数重复定义"。
2. 类型推断:你写 let x = 1 + 2; 不写类型,编译器在编译期把类型推出来——它是 i64。这就是白皮书说的"0.1 毫秒推导出 64 位整型"。类型不对(比如把 i64 塞给 i32)在这里被拦下。
3. 借用检查:第 9 章那套借用规则,在这里验证。借用冲突编译不过,程序根本生不出来。
错误消息里的阶段名(error[parsing]、error[lowering]、error[type checking]、error[borrow checking]、error[codegen])指的就是你在流水线的哪一步被拦下。名称解析和返回路径检查都归在 lowering 阶段。
第四步:LLVM IR
HIR 被翻译成 LLVM 的中间表示(IR)。IR 是一种"接近机器码但还带类型和变量"的格式。Aero 自己只写到这一步,剩下交给 LLVM——这就是"不造底层轮子"原则:机器码生成、寄存器分配、指令调度,LLVM 已经做了几十年,质量远超自己写。
第五步:优化与机器码
LLVM 对 IR 跑优化(Aero 用的是 O2 级别的 pass),比如把没用的变量删掉、把循环优化、把常量算好。然后针对你的 CPU 生成机器码。
这一步解释了前言的问题:为什么 Aero 程序比 Python 快?因为类型在第三步就定死了,LLVM 能生成高效的机器码;Python 的类型检查和对象管理都发生在运行时,每行代码都要付账。
JIT 和 AOT:两种收尾方式
优化完的 IR,两条路:
aero run):LLVM 在内存里直接把机器码编译出来,立刻执行。好处快,坏处程序没法脱离编译器。
aero build):LLVM 把机器码写进一个目标文件(.obj),再调用 gcc 把 CRT 启动代码、库和你程序的机器码链接成独立 .exe。
一个程序的完整旅程
hello.aero
→ 词法:切成 print ( "Hello" \n ) ;
→ 语法:AST:调用 print,参数是字符串
→ HIR:print 是内建函数,参数类型 str
→ 类型推断:字符串字面量是 str,OK
→ 借用检查:没有借用,OK
→ LLVM IR:生成调用 printf 的指令
→ 优化:把常量折叠好
→ AOT:写出 .obj,gcc 链接成 hello.exe
从源码到能跑的 exe,就是这么一条线。你现在对"编译器"三个字有画面了。