Julia 解释器笔记

                     

贡献者： addis

　　 本文是关于 Julia 解释器的原理：它使用了哪些技术，可以使得它作为一门动态语言能达到编译语言的性能。

• C 语言这样的叫做 Ahead of Time（AOT） 编译。
• Julia 完全使用 Just-Ahead-of-Time（JIT）。并不是把部分代码使用该优化，而是（几乎?）全部。Julia（几乎?）不能直接理解并执行高级语言。每个重载的函数第一次被调用的时候，julia 都会先给它生成专门的 llvm 机器码。这个过程还有一个不那么正规的名字叫做 Just Ahead-of-Time（JAOT）。
• Multiple Dispatch（MD）：可以基于参数的类型生成不同的专门代码。
• Type Inference：自动推导变量类型。
• 内建并行，包括分布计算
• 高效内存管理：减少内存分配，增加内存重复利用。
• 基于 LLVM：Julia 编译器先把 Julia 语言变为 Julia IR（和 LLVM IR 相似），再变为 LLVM IR, 最后交给 LLVM 进行优化。
• Julia IR 使用 Single Static Assignment (SSA) 形式，把 julia 代码的控制流表示为 directed acyclic graph (DAG)。Julia IR 中的变量类型都是明确的。
• LLVM.jl 包可以把 julia 代码直接生成 LLVM IR，或者把 Julia IR 转为 LLVM IR。
• 一些预备知识：编译原理，编译器设计，LLVM，Julia 背后原理。

1. 把 Julia 代码编译成 LLVM IR 代码

　　 首先安装 using Pkg; Pkg.add("LLVM")

using LLVM
function add(x::Int, y::Int)::Int
    return x + y
end
llvm_ir = @code_llvm add(1, 2) # 生成 LLVM IR

生成的代码如下

;  @ REPL[3]:1 within `add'
define i64 @julia_add_652(i64 signext %0, i64 signext %1) {
top:
;  @ REPL[3]:2 within `add'
; ┌ @ int.jl:87 within `+'
   %2 = add i64 %1, %0
; └
  ret i64 %2
}

所以上面参数 (1,2) 的作用是提供自变量的类型。