从C代码到LLVM IR：手写LightIR生成器实战解析

1. 理解LLVM IR与C代码的对应关系当你第一次看到LLVM IRIntermediate Representation时可能会觉得它既熟悉又陌生。作为编译器开发者理解C代码如何转换为LLVM IR是基本功。让我们从一个简单的C程序开始// assign.c int main() { int a[10]; a[0] 10; a[1] a[0] * 2; return a[1]; }使用clang生成对应的LLVM IRclang -S -emit-llvm assign.c -o assign.ll生成的IR文件会包含类似这样的内容define i32 main() { %1 alloca [10 x i32] %2 getelementptr [10 x i32], [10 x i32]* %1, i32 0, i32 0 store i32 10, i32* %2 %3 load i32, i32* %2 %4 mul i32 %3, 2 %5 getelementptr [10 x i32], [10 x i32]* %1, i32 0, i32 1 store i32 %4, i32* %5 ret i32 %4 }这里有几个关键点需要注意alloca指令为局部变量分配栈空间getelementptrGEP指令用于计算数组元素的地址LLVM IR是静态单赋值SSA形式每个值都有唯一名称类型系统非常严格每个操作都有明确的类型理解这种对应关系是编写IR生成器的基础。我建议初学者可以多尝试用clang生成不同C程序的IR观察其中的模式。2. LightIR API核心组件解析LightIR是对LLVM IR的轻量级封装提供了更友好的C接口。主要组件包括2.1 模块与类型系统Module类是IR的顶层容器相当于一个编译单元。创建模块auto module new Module(MyModule);LightIR支持常见的类型Type *int32Ty Type::get_int32_type(module); Type *floatTy Type::get_float_type(module); Type *arrayTy ArrayType::get(int32Ty, 10); // int[10]2.2 函数与基本块函数是LLVM IR中的核心结构// 创建函数类型返回int无参数 auto funcTy FunctionType::get(int32Ty, {}); // 创建函数 auto mainFunc Function::create(funcTy, main, module);基本块BasicBlock是函数的组成部分auto entryBB BasicBlock::create(module, entry, mainFunc);2.3 IRBuilder的使用IRBuilder是生成IR指令的主要工具auto builder new IRBuilder(nullptr, module); builder-set_insert_point(entryBB); // 设置插入位置 // 创建alloca指令 auto aAlloca builder-create_alloca(arrayTy);3. 手写IR生成器实战让我们实现一个完整的数组赋值IR生成器对应前面的assign.c示例。3.1 初始化设置#include BasicBlock.h #include Constant.h #include Function.h #include IRBuilder.h #include Module.h #include Type.h int main() { auto module new Module(ArrayAssign); auto builder new IRBuilder(nullptr, module); Type *int32Ty Type::get_int32_type(module); // 创建main函数 auto mainFunc Function::create( FunctionType::get(int32Ty, {}), main, module); auto entryBB BasicBlock::create(module, entry, mainFunc); builder-set_insert_point(entryBB);3.2 生成数组操作IR// int a[10]; auto arrayTy ArrayType::get(int32Ty, 10); auto aAlloca builder-create_alloca(arrayTy); // a[0] 10; auto a0GEP builder-create_gep( aAlloca, {ConstantInt::get(0, module), ConstantInt::get(0, module)}); builder-create_store(ConstantInt::get(10, module), a0GEP); // a[1] a[0] * 2; auto a0Load builder-create_load(a0GEP); auto mul builder-create_imul(a0Load, ConstantInt::get(2, module)); auto a1GEP builder-create_gep( aAlloca, {ConstantInt::get(0, module), ConstantInt::get(1, module)}); builder-create_store(mul, a1GEP); // return a[1]; auto retVal builder-create_load(a1GEP); builder-create_ret(retVal); // 输出生成的IR std::cout module-print(); delete module; return 0; }3.3 关键点解析create_gep用于计算数组元素地址第一个索引是数组指针的偏移通常为0第二个索引是数组内偏移LLVM IR要求显式处理指针和加载/存储操作常量使用ConstantInt::get创建避免直接使用原始值4. 处理控制流结构控制流条件分支、循环是编译器前端的重要功能。让我们看看如何生成if-else的IR。4.1 C源码示例// if.c int main() { float a 5.555; if (a 1.0) return 233; return 0; }4.2 IR生成实现// 创建基本块 auto entryBB BasicBlock::create(module, entry, mainFunc); auto trueBB BasicBlock::create(module, trueBB, mainFunc); auto falseBB BasicBlock::create(module, falseBB, mainFunc); auto retBB BasicBlock::create(module, retBB, mainFunc); builder-set_insert_point(entryBB); // float a 5.555; auto aAlloca builder-create_alloca(floatTy); builder-create_store(ConstantFP::get(5.555, module), aAlloca); // if (a 1.0) auto aLoad builder-create_load(aAlloca); auto cmp builder-create_fcmp_gt(aLoad, ConstantFP::get(1.0, module)); builder-create_cond_br(cmp, trueBB, falseBB); // true分支 builder-set_insert_point(trueBB); builder-create_store(ConstantInt::get(233, module), retAlloca); builder-create_br(retBB); // false分支 builder-set_insert_point(falseBB); builder-create_store(ConstantInt::get(0, module), retAlloca); builder-create_br(retBB); // 返回 builder-set_insert_point(retBB); auto retVal builder-create_load(retAlloca); builder-create_ret(retVal);4.3 浮点数处理技巧处理浮点数常量时需要注意不能直接使用store float 5.555需要使用ConstantFP::get并传递正确的位模式对于单精度浮点数可以使用0x40b1c28f这样的十六进制表示5. 函数调用与参数传递函数调用是编程语言的基本功能让我们看看如何在IR中处理。5.1 C源码示例// fun.c int callee(int a) { return 2 * a; } int main() { return callee(110); }5.2 IR生成实现// 创建callee函数 std::vectorType* params(1, int32Ty); auto calleeTy FunctionType::get(int32Ty, params); auto calleeFunc Function::create(calleeTy, callee, module); // callee函数体 auto calleeBB BasicBlock::create(module, entry, calleeFunc); builder-set_insert_point(calleeBB); auto aAlloca builder-create_alloca(int32Ty); // 获取函数参数 auto arg calleeFunc-arg_begin(); builder-create_store(arg, aAlloca); auto aLoad builder-create_load(aAlloca); auto mul builder-create_imul(ConstantInt::get(2, module), aLoad); builder-create_ret(mul); // main函数 auto mainBB BasicBlock::create(module, entry, mainFunc); builder-set_insert_point(mainBB); // 调用callee auto call builder-create_call(calleeFunc, {ConstantInt::get(110, module)}); builder-create_ret(call);5.3 参数处理要点函数参数通过Function::arg_begin()获取调用函数时参数需要包装在std::vectorValue*中被调用函数需要显式处理参数存储和加载6. 调试与验证技巧生成IR后验证其正确性至关重要。我常用的方法6.1 使用lli直接执行IR./my_generator output.ll lli output.ll echo $? # 查看返回值6.2 与clang生成的结果对比clang -S -emit-llvm test.c -o clang.ll diff output.ll clang.ll6.3 常见问题排查类型不匹配LLVM有严格的类型系统确保所有操作数类型匹配基本块终止每个基本块必须以终止指令ret/br等结束SSA形式确保每个值只被赋值一次指针处理区分指针和值正确使用load/store7. 性能优化建议虽然本文主要关注正确性但一些优化技巧也很重要减少冗余指令比如不必要的load/store使用mem2reg优化临时变量的alloca/load/store基本块布局合理安排基本块顺序减少跳转指令选择选择更高效的指令如用移位代替乘法在实际项目中我通常会先生成正确的IR然后再逐步引入优化。