SPIR-V 研究：編譯器基本原理（一）

前面轉過兩篇關于SPIR-V 中間語言的介紹；接下來筆者準備深入學習一下SPIR-V的标準。根據标準，SPIR-V是以一種二進制格式存在的，并且函數還是以控制流圖CFG的形式存在；資料結構也保留了進階語言裡的層級關系。（https://en.wikipedia.org/wiki/Standard_Portable_Intermediate_Representation）

這樣做的目的是為了更好的在目标平台上進行優化；同時Khronos也放出了官方标準的開源編譯器Glslang。 是以，為了更好的了解SPIR-V，我們有必要先溫習一下編譯器的基本原理，特别是前端的詞法分析、文法分析、語義分析和中間語言生成。

編譯器基本結構

下圖是一個一般編譯器的編譯進階語言的過程。

基本上就是預處理（比如C/C++裡宏彙編），編譯并彙編（每個源碼檔案都生成對應的.o檔案，這時的代碼是relocatable的），連結生成可執行檔案（linker，把許多.o檔案以及用到的庫函數.lib檔案合并并作全局優化），最後OS的加載器會加載可執行檔案并運作之（Windows上是PE格式，Linux上市ELF格式）。具體細節可以參考Linkers and Loaders 這本書。

下面我們重點看編譯器的結構。

這是一般編譯器的結構，主要分前端和後端，以中間語言生成為界限。前端主要是分析文法語義并生成代碼的中間表示，這主要包括lexer 和 parser，以及語義分析；後端主要是生成目标機器代碼，包括分析并優化，寄存器配置設定等。

下圖是編譯器的主要編譯過程（phase）。

這裡我們研究的目标SPIR-V就是一種标準化的中間語言表示。是以我們更關心的是前端的研究，這也是編譯器裡比較成熟，相對簡單的部分。以前的OpenGL裡，GLSL寫成的Shader是進階語言（相當于C++)，OpenGL的驅動會把它編譯成顯示卡GPU對應的機器碼。是以各家會有不同的中間表示；Vulkan會統一标準用SPIR-V了。

計算機語言

計算機科學裡的語言可以看作是一個字母表（alphabet ）上的某些有限長字元串的集合；這一般可以包含無限多個字元串，也就是無限集合（Infinite Sets）。這裡有限長字元串就是“sentences”；sentences是word（或token）組成，它有一定的結構；token則是letter由一定規則組成；letter個數是有限的，它們全部取自字母表（alphabet ）。

這是個有層次的定義。

Layer	分析對象	組成元素
詞法（Lexical structure ）	token	letter
文法（Syntactic structure）	sentences	token
語義（Semantics）	文法樹

語言是有一定的文法規則的（grammar）。而grammar是一組有限的規則的集合；計算機語言裡的grammar是不同于一般自然語言的文法，它可以構造出所有可能的sentences。是以這是一個利用有限規則來産生無限的合法語句的問題。

而grammar又可以用正規表達式來定義；比如GLSL的文法glslang.y。