简单来说llvm就是一个编译架构项目，它是一个模块化可重用的编译器及工具链技术的集合

编译器一般采用三段式的设计，LLVM，GCC， JIT(Java, Python) 等编译器都遵循经典的三段式设计

• 前端 (Frontend) ：进行词法分析，语法分析, 生成抽象语法树，生成中间语言 (例如 java 的字节码，llvm 的 IR，GCC 的 GIMPLE Tuples)
• 优化器 (Optimizer) ：分析中间语言，避免多余的计算，提高性能;
• 后端 (Backend)： 根据中间语言，生成对应的 CPU 架构指令 例如 X86，ARM；

通过这种设计，增加新的语言，只需要实现新的前段，优化器 和 后端可以重用；同理新增新的 CPU 架构时，也只需要实现新的后端。

其整体架构如下：

llvm特点：

• 模块化
• 统一的中间代码IR，而前端、后端可以不一样。而GCC的前端、后端耦合在了一起，所以支持一门新语言或者新的平台，非常困难。
• 功能强大的Pass系统，根据依赖性自动对Pass（包括分析、转换和代码生成Pass）进行排序，管道化以提高效率。

llvm有广义和狭义两种定义

在广义中，llvm特指一整个编译器框架，由前端、优化器、后端组成，clang只是用于c/c++的一种前端，llvm针对不同的语言可以设计不同的前端，同样的针对不同的平台架构（amd，arm，misp），也会有不同后端设计

在狭义中 ，特指llvm后端，指优化器（pass）对IR进行一系列优化直到目标代码生成的过程

LLVM的主要子项目

我这里的环境是Ubuntu1604，采用cmake的方式进行编译，首先要安装以下：

sudo apt-get install subversion
sudo apt-get install cmake

去官网下载lvm、clang、 clang-tools-extra 、 compiler-rt 、 libcxx 、 libcxxabi ，我这里统一下载8.0.0版本

一系列安装编译命令如下，整理成shell脚本方便一把梭

#!/usr/bin/env bash
cd ~ && mkdir LLVM && cd LLVM
wget http://releases.llvm.org/8.0.0/llvm-8.0.0.src.tar.xz
tar -xf llvm-8.0.0.src.tar.xz && rm llvm-8.0.0.src.tar.xz
mv ./llvm-8.0.0.src ./llvm-8.0.0

cd llvm-8.0.0/tools/
wget http://releases.llvm.org/8.0.0/cfe-8.0.0.src.tar.xz
tar -xf ./cfe-8.0.0.src.tar.xz && rm ./cfe-8.0.0.src.tar.xz
mv ./cfe-8.0.0.src ./clang

cd ./clang/tools
wget http://releases.llvm.org/8.0.0/clang-tools-extra-8.0.0.src.tar.xz
tar -xf ./clang-tools-extra-8.0.0.src.tar.xz && rm ./clang-tools-extra-8.0.0.src.tar.xz 
mv ./clang-tools-extra-8.0.0.src ./clang-tools-extra

cd ../../../projects/
wget http://releases.llvm.org/8.0.0/compiler-rt-8.0.0.src.tar.xz
wget http://releases.llvm.org/8.0.0/libcxx-8.0.0.src.tar.xz
wget http://releases.llvm.org/8.0.0/libcxxabi-8.0.0.src.tar.xz
tar -xf ./compiler-rt-8.0.0.src.tar.xz && rm ./compiler-rt-8.0.0.src.tar.xz
tar -xf libcxx-8.0.0.src.tar.xz && rm libcxx-8.0.0.src.tar.xz
tar -xf libcxxabi-8.0.0.src.tar.xz && rm libcxxabi-8.0.0.src.tar.xz
mv compiler-rt-8.0.0.src ./compiler-rt
mv libcxx-8.0.0.src ./libcxx
mv libcxxabi-8.0.0.src ./libcxxabi

cd ../../ && mkdir build && cd build
cmake -G "Unix Makefiles" -DCMAKE_BUILD_TYPE=Release ../llvm-8.0.0
make -j4
sudo make install

make -j4这里的-j4参数表示同时使用4个核心的cpu进行编译，可根据不同机器调整，这里用wget从官网下载速度挺慢的，可以用下载器下载好在放入相应的目录中

整个过程持续一个小时，编译完成后LLVM文件夹足足有3.3G，最后尝试./bulid/bin/clang++ -v

如图所示，说明编译安装成功

这时clang也可以直接使用了，为了测试一下clang，可以用clang再编译一次llvm

同样在build目录下执行：

CC=clang CXX=clang++ cmake -G "Unix Makefiles" -DCMAKE_BUILD_TYPE=Release ../llvm-8.0.0

make -j4

sudo make install

可以发现clang的编译速度简直完虐gcc。。。速度快太多了

基本使用

#include <iostream>
using namespace std;
int main()
{

    cout << "Hello, world!" << endl;
    return 0;;
}

编译c++，使用c++11的标准和libc++库

clang++ -std=c++11 -stdlib=libc++ test.cpp

检验x.cpp的语法正确性

clang test.cpp -fsyntax-only

clang -S和-c的参数作用

-c : Only run preprocess, compile, and assemble steps，表示仅进行预处理和编译部分步骤，输出一个重定位elf，但无法运行，执行clang++ -std=c++11 -stdlib=libc++ ./test1.cpp -S -o test,结果如图：

-S Only run preprocess and compilation steps，表示只进行预处理和编译部分步骤，输出一个可读汇编文本

输出x.cpp未优化的LLVM代码，执行clang++ -std=c++11 -stdlib=libc++ ./test1.cpp -c -o test,结果如图

clang++ -std=c++11 -stdlib=libc++ test.cpp -S -emit-llvm -o test

-emit-llvm ：Use the LLVM representation for assembler and object files，表示使用llvm的ir中间语言的表示方法描述汇编和目标文件

输出x.cpp经过O3级别优化的LLVM IR中间代码

clang++ -std=c++11 -stdlib=libc++ test.cpp -S -emit-llvm -o test -O3

clang编译过程

#include <stdio.h>
int main() {

    printf("hello world\n");
    return 0;   
}
//test1.c

查看各个阶段：

clang -ccc-print-phases test1.c

查看预处理过程，主要作用是 将#include, @import，#import引入，引入头文件内容，宏定义的代码替换，条件编译（#ifdef），删除注释等。

clang -E test1.c

词法分析，生成Token，将代码分解，生成一个个 Token。Token是代码的最小单元, Token类型包括：关键字，标识符，字面量，特殊符号。

clang -fmodules -E -Xclang -dump-tokens test1.c

验证语法正确性，将所有Token组成AST抽象语法树

clang -fmodules -fsyntax-only -Xclang -ast-dump test1.c

TranslationUnitDecl 根节点，表示一个编译单元

节点主要有三种：Type类型，Decl声明，Stmt陈述

ObjCInterfaceDecl OC中Interface声明

FunctionDecl 函数声明

ParmVarDecl 参数声明

CompoundStmt 具体语句

DeclStmt 语句声明

VarDecl 变量声明

IntegerLiteral 整数字面量

BinaryOperator 操作符

ImplicitCastExpr 隐式转换

DeclRefExpr 引用类型声明

ReturnStmt 返回语句

使用clang的API可针对AST进行相应的分析及处理。

IR，即 Intermediate language ，有两种表示样式：

文本格式

便于阅读的文本格式，类似于汇编格式，后缀为.ll

也就是上面所说的clang test1.c -S -emit-llvm -o test

生成的test严格意义上是.ll后缀的文本格式，只不过-o的时候没有指定.ll后缀

二进制格式

不可读，后缀为.bc，可以使用使用llvm-dis工具可将其转化为.ll文件

生成命令：clang test1.c -c -emit-llvm -o test.bc

相互转换：

.bc转换为 .ll llvm-dis test.bc

.ll 或者 .bc 转换为汇编文件：llc ./test.ll -o test.s

这里有一张图很好描述了相关后缀文件之间的转换关系：

IR语法

IR是基于寄存器的指令集，只能通过load和store指令来进行CPU和内存间的数据交换。

IR关键字意义：

• ; 注释，以;开头直到换行符
• define 函数定义
• declare 函数声明
• i32 所占bit位为32位
• ret 函数返回
• alloca 在当前执行的函数的栈空间分配内存，当函数返回时，自动释放内存
• align 内存对齐
• load 读取数据
• store 写入数据
• icmp 整数值比较，返回布尔值结果
• br 选择分支，根据cond来转向label
• label 代码标签
• %0，%1分别为函数参数

LLVM IR 标识符有两种基本类型：

• 全局标识符（函数，全局变量）以’@’字符开头
• 本地标识符（寄存器名称，类型）以’%’字符开头

以一个变量%x乘以8为例子，可以有三种IR汇编写法

#乘法运算　　　
%result = mul i32 %X, 8
#左移运算
%result = shl i32 %X, 3 　　
#三次加法运算　　　
%0 = add i32 %X, %X           ; yields {i32}:%0
%1 = add i32 %0, %0           ; yields {i32}:%1
%result = add i32 %1, %1

到这里其实IR的语法格式大体上并不难理解，还是标准的三元格式： 操作符+操作数1+操作数2

只不过多了一些赋值和数据类型等花里胡哨的东西

LLVM程序由Module组成，每个程序模块都是输入程序的翻译单元。每个模块由函数，全局变量和符号表条目组成。模块可以与LLVM链接器组合在一起，LLVM链接器合并函数（和全局变量）定义，解析前向声明，并合并符号表条目

例子

#include <stdio.h>
#define MONEY 0x200;

int main()
{
    //hello world!
    char name[0x10]={0};
    int age=0x20;
    int money=age+0x100+MONEY;
    printf("hello!\ninput your name:");
    read(0,name,0x10);
    puts(name);
    return 0;   
}

void test(int a, int b)
{
    int c =a+b+0x666;
}

如上所示源码转换成IR后，main函数如下

; Function Attrs: argmemonly nounwind
declare void @llvm.memset.p0i8.i64(i8* nocapture writeonly, i8, i64, i1) #1

declare dso_local i32 @printf(i8*, ...) #2

declare dso_local i32 @read(...) #2

declare dso_local i32 @puts(i8*) #2

@.str = private unnamed_addr constant [24 x i8] c"hello!\0Ainput your name:\00", align 1

; Function Attrs: noinline nounwind optnone uwtable
define dso_local i32 @main() #0 
{
  %1 = alloca i32, align 4
  %2 = alloca [16 x i8], align 16
  %3 = alloca i32, align 4
  %4 = alloca i32, align 4
  store i32 0, i32* %1, align 4
  %5 = bitcast [16 x i8]* %2 to i8*
  call void @llvm.memset.p0i8.i64(i8* align 16 %5, i8 0, i64 16, i1 false)
  store i32 32, i32* %3, align 4
  %6 = load i32, i32* %3, align 4
  %7 = add nsw i32 %6, 256
  %8 = add nsw i32 %7, 512
  store i32 %8, i32* %4, align 4
  %9 = call i32 (i8*, ...) @printf(i8* getelementptr inbounds ([24 x i8], [24 x i8]* @.str, i32 0, i32 0))
  %10 = getelementptr inbounds [16 x i8], [16 x i8]* %2, i32 0, i32 0
  %11 = call i32 (i32, i8*, i32, ...) bitcast (i32 (...)* @read to i32 (i32, i8*, i32, ...)*)(i32 0, i8* %10, i32 16)
  %12 = getelementptr inbounds [16 x i8], [16 x i8]* %2, i32 0, i32 0
  %13 = call i32 @puts(i8* %12)
  ret i32 0
}

test函数如下

; Function Attrs: noinline nounwind optnone uwtable
define dso_local void @test(i32, i32) #0 
{
  %3 = alloca i32, align 4
  %4 = alloca i32, align 4
  %5 = alloca i32, align 4
  store i32 %0, i32* %3, align 4
  store i32 %1, i32* %4, align 4
  %6 = load i32, i32* %3, align 4
  %7 = load i32, i32* %4, align 4
  %8 = add nsw i32 %6, %7
  %9 = add nsw i32 %8, 1638
  store i32 %9, i32* %5, align 4
  ret void
}

全局变量用unnamed_addr来标记，表示地址不重要，只有内容

nsw 是“No Signed Wrap”缩写，是一种无符号值运算的标识

nuw 是“ No Unsigned Wrapp”缩写，是一种有符号值运算的标识

bitcast ... to ..是类型转换指令，可以在不修改数据的前提下转换数据类型

例如，上面的%5 = bitcast [16 x i8]* %2 to i8*

意思是把变量%2(原本的类型是一个指向16字节的数组指针) 转换为一个指向字符的指针，然后%5存储转换后的指针

函数或者变量用dso_local标记，表示解析为同一链接单元中的符号， 即使定义不在此编译单元内，也会直接访问

使用define定义函数时，遵守以下定义规则：

define [linkage] [PreemptionSpecifier] [visibility] [DLLStorageClass]
       [cconv] [ret attrs]
       <ResultType> @<FunctionName> ([argument list])
       [(unnamed_addr|local_unnamed_addr)] [AddrSpace] [fn Attrs]
       [section "name"] [comdat [($name)]] [align N] [gc] [prefix Constant]
       [prologue Constant] [personality Constant] (!name !N)* { ... }

参数列表是逗号分隔的参数序列，其中每个参数遵守以下规则

<type> [parameter Attrs] [name]

其中<>中为必填项，[]中为可选项

更多IR语法可参考： http://llvm.org/docs/LangRef.html ，这个页面非常大，可以通过最开头的目录快速找到相应IR指令的语法

LLVM的优化即对中间代码IR优化，由多个Pass来完成，每个Pass完成特定的优化工作。

可以分组比如像 clang命令的参数如-O2，-O3, -O4等。

Pass即为一层一层相互独立的IR优化器。可以做到代码优化，代码混淆等
pass一般有以下几种分类

这里首先需要了解几个概念:

Module, Function, BasicBlock, Instruction, Value

• Module: 包含 Function，简单的说就是一个.c或者.cpp文件的集合，它包含了许多的function，main就是其中一种
• Function：包含若干 BasicBlock，也就是一个函数里面会有很多的代码嘛，每一段顺序执行的代码都是一个BasicBlock
• BasicBlock：包含若干 Instruction，也就是包含若干个汇编层指令了，想add啊sub啊之类的
• Instruction: 具体到每一个指令，就保护了若干个opcode，或者说value
• 指令的格式一般为： 操作符+操作数

为了直观的体现出pass的作用，这里举个例子，编写一些简单的pass

mkdir outpass
cd outpass
mkdir print_pass

在outpass文件夹中创建一个CMakeLists.txt文件，内容为以下：

cmake_minimum_required(VERSION 3.4)

set(ENV{LLVM_DIR} ~/LLVM/bulid/lib/cmake/llvm) #这里设置LLVM_DIR变量为前面编译安装llvm的build目录下的/lib/cmake/llvm

find_package(LLVM REQUIRED CONFIG)
add_definitions(${LLVM_DEFINITIONS})
include_directories(${LLVM_INCLUDE_DIRS})
link_directories(${LLVM_LIBRARY_DIRS})

# add c++ 14 to solve "error: unknown type name 'constexpr'"
add_compile_options(-std=c++14)
add_subdirectory(Print_FuncPass)  # Use your pass name here.

然后cd print_pass，再创建一个CMakeLists.txt文件，内容为以下：

add_library(PrintFunctions MODULE
  #这里填写pass文件名
  Print_FuncPass.cpp
)

# LLVM is (typically) built with no C++ RTTI. We need to match that;
# otherwise, we'll get linker errors about missing RTTI data.
set_target_properties(PrintFunctions PROPERTIES
  COMPILE_FLAGS "-fno-rtti"
)

# Get proper shared-library behavior (where symbols are not necessarily
# resolved when the shared library is linked) on OS X.
if(APPLE)
  set_target_properties(PrintFunctions PROPERTIES
    LINK_FLAGS "-undefined dynamic_lookup"
  )
endif(APPLE)

最后就是编写pass了，pass本质上也是一个c++，创建Print_FuncPass.cpp，内容如下

#include "llvm/Pass.h"
#include "llvm/IR/Function.h"
#include "llvm/Support/raw_ostream.h"
#include "llvm/IR/LegacyPassManager.h"
#include "llvm/Transforms/IPO/PassManagerBuilder.h"
using namespace llvm;

namespace {
    struct Hello : public FunctionPass
    {
        static char ID;
        Hello() : FunctionPass(ID) {}

        virtual bool runOnFunction(Function &F)
        {
            //输出当前调用的函数名
            errs() << "A function has been called: " << F.getName() << "!\n";
            return false;
        }
    };
}

char Hello::ID = 0;//实例化hello
static RegisterPass<Hello> X("print_func", "print func name PASS",
                            false /* Only looks at CFG */,
                            false /* Analysis Pass */);
//注册到 opt 中,通过 opt -print_func 来使用该pass，第一个参数用于命令行，第二个参数是说明该pass的作用，第三个参数用于cfg时才需要true，第四个参数用于分析pass的时候才需要true

static RegisterStandardPasses Y(
    PassManagerBuilder::EP_EarlyAsPossible,
    [](const PassManagerBuilder &Builder,
        legacy::PassManagerBase &PM) { PM.add(new Hello()); });
//注册到标准编译流程中，默认会执行该pass，通过 clang 即可调用pass，如果不进行RegisterStandardPasses注册，则clang无法调用pass，只能通过opt

这个pass的作用是每次调用一个函数，就会输出其函数的名字

pass编写完了，就直接编译

在outpass目录下执行：

cmkae .

make

编译完成后会生成一个.so文件，接下来就需要一个test.c来验证pass的效果

在outpass目录编写一个test.c

#include <stdio.h>
int func2()
{
    int a,b =1;
    return a+b;
}
int func1()
{
    int a,b =1;
    func2();
    return a+b;
}
int main()
{
    func1();
    return 0;
}

最后就调用pass作用在这个test.c了，有两种方式

一、直接使用clang

clang -Xclang -load -Xclang ./outpass/Print_FuncPass/libPrintFunctions.so ./test.c

输出如图

二、使用opt

首先要用clang生成.bc文件

clang -emit-llvm -c ./test.c

然后再使用opt

opt -load ./outpass/Print_FuncPass/libPrintFunctions.so -print_func < ./test.bc

输出如图

当输入opt -load ./outpasses/Print_FuncPass/libPrintFunctions.so -help可以看到

这说明我们paas中的RegisterPass注册方法是有效的，print_func的参数选项显示在-help下供选择择

官方： http://llvm.org/

GitHub：https://github.com/llvm-mirror/llvm

官方历史版本下载页面： http://releases.llvm.org/download.html

llvm中文文档网： https://llvm.comptechs.cn/

http://www.aosabook.org/en/llvm.html
http://ruiy.leanote.com/post/ubuntu16.04-%E5%AE%89%E8%A3%85-llvm
https://www.leadroyal.cn/?cat=20
https://juejin.im/post/5ddbda4051882572f56b57b8
https://juejin.im/post/5e01dc03f265da33e67b4873