llvm最快编译

A. 如何利用LLVM写一个编译器

LLVM有自己的教程，如果你只想做个玩具，那可以首先试着实现LLVM Tutorial: Table of Contents的Kaleidoscope。深入的，请看他的文档http://llvm.org/docs/

Kaleidoscope是一个范式简单的脚本语言，教程里的词法，语法分析都是手写的，基本流程就是词法语法解析，利用LLVM的API生成中间代码并执行。

我用visual studio编译的LLVM(version 3.6)实现过Kaleidoscope，我遇到的坑不少，如果你想以visual studio编译的LLVM实现Kaleidoscope，你可能同样会遇到

1. LLVM的生成目标对象为ELF格式，在windows下使用JIT的API时会出现incompatible object format的错误警告，需要在通过重新设定Mole的triple，我的PC的getTargetTriple的结果是“i686-pc-windows-msvc”，直接在后面再加上“-elf”即可

TheMole->setTargetTriple("i686-pc-windows-msvc-elf");

2. LLVM不支持windows下通过动态链接导出函数，如果需要使用C/C++的函数，需要通过addSymbol进行注册

llvm::sys::DynamicLibrary::AddSymbol(/*std::string("_") +*/ "printd", &printd);

3. Kaleidoscope里使用的JIT的查找函数的API，getPointerToFunction已经被弃用了，需要替换为getFunctionAddress

B. Clang 比 GCC 好在哪里

从代码上说，clang结构更简单。因为clang只需要完成词法和语法分析，代码优化和机器代码的生成工作由llvm完成。所以和全部由自己包下的gcc比起来，clang可以更专注地做好一件事。

这种结构也使clang可以被单独拿出来用在其他的程序里。比如vim的clang_complete插件就是利用clang进行语法分析后给出精确的自动补全和语法错误提示的。而gcc就没法很方便地做到这一点。

在实用性方面，除了有更快的编译速度更快和更友好的出错提示外，clang还内置有静态分析工具，可以对代码进行静态分析（clang --analyze）。这也是gcc做不到的。

总结如下：

Clang是LLVM的前端，可以用来编译C，C++，ObjectiveC等语言。传统的编译器通常分为三个部分，前端(frontEnd)，优化器(Optimizer)和后端(backEnd)。

在编译过程中，前端主要负责词法和语法分析，将源代码转化为抽象语法树；优化器则是在前端的基础上，对得到的中间代码进行优化，使代码更加高效；后端则是将已经优化的中间代码转化为针对各自平台的机器代码。Clang则是以LLVM为后端的一款高效易用，并且与IDE结合很好的编译前端。

C. 如何利用LLVM写一个编译器

书籍请参考编译原理的龙书，以及flex，bison，llvm的manual。
如何写我可以给你一个大致的流程，
编译器由词法分析器->语法分析器->中间代码生成器->后端组成。
用C语言写编译器一般可以按照以下步骤：
1.使用flex生成词法分析器。（flex可以通过自己编写的描述文件来自动生成词法分析器）
2.使用bison生成语法分析器。（bison可以通过自己编写的描述文件来自动生成语法分析器）
3.通过语法分析器得到输入代码的语法树表示。
4.编写遍历函数遍历语法树生成中间代码。（这里推荐使用LLVM的中间代码表示）
5.利用LLVM工具集来编译执行所得到的中间代码。

D. Impala中 LLVM 的交叉编译、调用过程

[TOC]

Impala 使用的 LLVM JIT，首先通过 Clang 将源码编译成了 LLVM IR 文件，然后通过脚本将 IR 文件装成可加载的二进制文件，BE 进程在运行过程中，通过 LLVM 的加载接口，把二进制文件加载进来使用。

待编译的文件通过codegen/ impala-ir.cpp 指定

impala-ir.cpp 文件主要的作用就是把需要产生 LLVM IR 的文件包含进来。
确定了哪些文件需要产生 LLVM IR 之后，就开始生成 IR 的二进制文件了。大致流程如下：

这个阶段生成最初始的bc文件，使用的是 CLang 的编译工具。命令可见codegen/CMakeFiles.txt

生成的结果是 impala-sse-tmp.bc 文件。

使用LLVM 优化工具，对原始的 bc 文件进行优化。命令可见codegen/CMakeFiles.txt

生成的结果就是impala-sse.bc。

这一步使用的是Impala 自定义的一个脚本 file2array.sh ，将优化后的 bc 文件转换为可加载的二进制c 文件。命令可见codegen/CMakeFiles.txt。

生成的结果是impala-sse-ir.cc。这个文件内部就是用一个数组存放二进制的值。

be 进程就是通过读取 impala_sse_llvm_ir 数组，把 LLVM IR加载到进程中。
file2array.sh 脚本其实就是使用 xxd -i < impala-sse-ir.cc 命令把bc 文件内容转成 c 语言的二进制形式。

LlvmCodeGen 类通过 CreateImpalaCodegen 接口实例化 codegen 对象。 CreateImpalaCodegen 最终会调用 CreateFromMemory ，在 CreateFromMemory 中就是将上文中生成的 impala_sse_llvm_ir 数组通过 LLVM 接口加载进来。

完成加载后，就可以通过 GetFunction 获取指定的 IR 函数了。

所有的函数名及描述，定义在 impala-ir-names.h 和 impala-ir-functions.h ，这两个文件是有对应关系的，都是通过gen_ir_descriptions.py生成。

impala-ir-names.h 定义了数组 FN_MAPPINGS ，存储函数名和枚举值的映射关系，如下：

impala-ir-functions.h定义了所有函数的枚举值，如下：

通过 GetFunction 获取函数的时候，因为有了 FN_MAPPINGS 存储的映射关系，可以通过传入枚举值或者字符串符号查找函数。

在 InitializeLlvm 方法中会使用 FN_MAPPINGS ，对加载的 llvm 函数进行校验。

E. Gcc和llvm编译器有什么区别，我这配置哪个快

LLVM与GCC在三段式架构上并没有本质区别。LLVM与其它编译器最大的差别是，它不仅仅是Compiler Collection，也是Libraries Collection。举个例子，假如说我要写一个XYZ语言的优化器，我自己实现了PassXYZ算法，用以处理XYZ语言与其它语言差别最大的地方。而LLVM优化器提供的PassA和PassB算法则提供了XYZ语言与其它语言共性的优化算法。那么我可以选择XYZ优化器在链接的时候把LLVM提供的算法链接进来。LLVM不仅仅是编译器，也是一个SDK。

F. llvm是什么

LLVM是构架编译器(compiler)的框架系统，以C++编写而成，用于优化以任意程序语言编写的程序的编译时间(compile-time)、链接时间(link-time)、运行时间(run-time)以及空闲时间(idle-time)，对开发者保持开放，并兼容已有脚本。

G. LLVM相比于GCC，有哪些技术上的优势

首先简要介绍一下LLVM。LLVM是一个针对LLVM Intermediate Representation（IR，中间语言）的跨平台优化编译器，它的模块化设计很好，使得这个编译器中的很多功能可以被单独实现或者改进，这与其C++实现无法分开。由此，LLVM可以被设计成很多语言编译器实现的后端，负责处理程序优化和跨平台，而前端只需将程序转换成LLVM IR即可。比如说，Clang就是基于LLVM实现的C/C++编译器，它的主要功能就是将C/C++程序转换成LLVM IR，然后由LLVM负责后续的工作。

LLVM技术上的（最大）优势就在于它的模块化设计。在LLVM中，IR的解析，优化，汇编码的生成，寄存器分配，汇编码优化以及机器码生成，各种类型的二进制文件生成全部都是接口定义清晰的模块完成的，很容易分别改进或者添加定制功能。而且由于LLVM的C++实现，很多模块理解和使用比较容易。这些特性使得LLVM可以很容易地被用在科研和生产实践当中。反观GCC，模块化做得不如LLVM好，这使得它定制或者改进比较不方便。