abclinuxu.cz AbcLinuxu.cz itbiz.cz ITBiz.cz HDmag.cz HDmag.cz abcprace.cz AbcPráce.cz
AbcLinuxu hledá autory!
Inzerujte na AbcPráce.cz od 950 Kč
Rozšířené hledání
×
včera 19:55 | Nová verze

Po dvou letech od vydání verze 3.0 byla vydána nová major verze 4.0 nástrojů LXC, LXD a LXCFS pro kontejnerovou virtualizaci LXC (LinuX Containers). Jedná se o verzi s dlouhodobou podporou (LTS). Ta končí v červnu 2025. Přehled novinek v jednotlivých oznámeních o vydání: LXC, LXD a LXCFS.

Ladislav Hagara | Komentářů: 2
včera 16:11 | Humor

Řada firem své letošní již připravené aprílové žertíky kvůli SARS-CoV-2 a COVID-19 nezveřejnila. Přehled zveřejněných například na April Fools' Day On The Web. Na CoinMarketCapu byla přidána nová kryptoměna: toaleťáky. Ve hře World of Tanks jsou vylepšené tanky, v PUBG nový herní mód Fantasy Battle Royale, …

Ladislav Hagara | Komentářů: 3
včera 15:22 | Zajímavý projekt

Komunity KDE a GNOME, které doposud vyvíjely příslušná desktopová prostředí, se rozhodly přestat tříštit síly a představují společný projekt KNOME, který nabídne konfigurovatelnost GNOME a jednoduchost KDE v jednom balíčku. Staví na technologiích QTK3 a Kutter.

Fluttershy, yay! | Komentářů: 22
včera 14:11 | Nová verze

Tradičně na apríla byla vydána nová stabilní verze OpenTTD (Wikipedie), tj. open source klonu hry Transport Tycoon Deluxe. Přehled novinek v nejnovější verzi 1.10.0 v seznamu změn. Starší verzi OpenTTD lze vyzkoušet také v prohlížeči.

Ladislav Hagara | Komentářů: 0
včera 06:00 | Nová verze

Po čtyřech a půl měsících vývoje od vydání verze 5.3 byla vydána nová verze 5.4 svobodného open source redakčního systému WordPress. Kódové označení Adderley bylo vybráno na počest amerického jazzového trumpetisty Nata Adderleyho.

Ladislav Hagara | Komentářů: 0
31.3. 23:44 | IT novinky

Association for Computing Machinery vzhledem k probíhající pandemii COVID-19 nabízí bezplatný přístup do databáze publikací ACM Digital Library, a to do 30. června 2020.

Fluttershy, yay! | Komentářů: 2
31.3. 23:11 | IT novinky

Humble Bundle nabízí balík her (některých multiplatformních a/nebo bez DRM), knih, komiksů,… za cenu alespoň €28. Akce Humble Conquer COVID-19 Bundle probíhá do 7. dubna. Výtěžek bude věnován humanitárním/charitativním organizacím Lékaři bez hranic, Direct Relief, International Rescue Committee a Partners In Health.

Fluttershy, yay! | Komentářů: 7
31.3. 18:44 | Komunita

Český LibreOffice tým vydává překlad příručky LibreOffice Online. Příručka vznikla překladem anglického originálu, který byl vytvořen v rámci projektu Google Season of Docs 2019. Příručka je ke stažení na českých stránkách LibreOffice. Český tým pokračuje s překladem příručky Začínáme s LibreOffice a hledá další dobrovolníky pro překlad z angličtiny a revize přeloženého textu.

Zdeněk Crhonek | Komentářů: 0
31.3. 17:55 | Nová verze

Theia je nové modulární vývojové prostředí (IDE) určené k běhu jako webová aplikace a modifikovatelné pomocí doplňků kompatibilních s MS Visual Studio Code. Vývoj zaštiťuje Eclipse Foundation. Více v oznámení vydání verze 1.0.

Fluttershy, yay! | Komentářů: 1
31.3. 17:44 | Upozornění

V souvislosti s nedávnými kybernetickými útoky na nemocniční zařízení v České republice nabídl Národní úřad pro kybernetickou a informační bezpečnost (NÚKIB) ve spolupráci se sdružením CZ.NIC, správcem české národní domény a provozovatelem Národního bezpečnostního týmu CSIRT.CZ, pomoc klíčovým zdravotnickým subjektům, na které se vztahuje reaktivní opatření NÚKIB.

Ladislav Hagara | Komentářů: 2
Chodíte do práce?
 (12%)
 (0%)
 (6%)
 (0%)
 (61%)
 (21%)
 (0%)
Celkem 33 hlasů
 Komentářů: 2, poslední dnes 00:16
Rozcestník
Alternativně viz také můj osobní blog (RSS), kde toho hlavně v angličtině vychází mnohem víc.

Pokud se vám líbilo něco z mé produkce, můžete svou přízeň vyjádřit na Patreonu:

Ne že bych je nějak potřeboval, ale patří to k věcem, které autory obecně potěší a jasně ukazují, že jsou lidi, kteří ty hodiny času stráveného psaním umí ocenit.


Víte že můžete odebírat mé blogy pomocí RSS? (Co je to RSS?)


A kdo neumí použít RSS, tak je tu twitter: @Bystroushaak.

Od určité doby jsou všechny texty které zde publikuji verzované na Githubu.

Jestliže najdete chybu, nepište mi do diskuze a rovnou jí opravte. Github má online editor, není to skoro žádná práce a podstatně mi tím usnadníte život. Taky vás čeká věčná sláva v commit logu :)

Aktuální zápisy

www.AutoDoc.Cz

Jak se píše programovací jazyk 6: Kompilátor AST do bytecode

5.5.2019 22:54 | Přečteno: 2120× | Obecné IT | Výběrový blog | poslední úprava: 5.5.2019 23:30

V minulém díle jsem rozepsal jak vypadají moje bajtkódy. Jak se k nim ale dostat? Přes moje původní obavy se ukázalo, že neoptimalizující kompilátor je v případě, že existuje abstraktní syntaktický strom krásně jednoduchý.

Ke každému prvku AST stromu jsem přidal metodu .compile(code_context), která do code_context objektu zkompiluje sebe sama, tedy vloží do něj patřičné literály a do bajtkódu vloží instrukce pro jejich použití.

Například pro objekt Self to vypadá takto:

def compile(self, context):
    context.add_bytecode(BYTECODE_PUSH_SELF)

    return context

Pro objekt představující čísla už je to trochu složitější, neboť je třeba prvně číslo vložit do seznamu literálů:

def compile(self, context):
    index = context.add_literal_int(self.value)

    context.add_bytecode(BYTECODE_PUSH_LITERAL)
    context.add_bytecode(LITERAL_TYPE_INT)
    context.add_bytecode(index)

    return context

V bajtkódu je vložená instrukce PUSH_LITERAL, poté typ literálu a jeho index.

U binární zprávy je krásně vidět, jak se prvně zkompiluje čemu se má zpráva poslat a poté teprve samotná zpráva:

def compile(self, context):
    context.add_literal_str_push_bytecode(self.name)

    self.parameter.compile(context)

    context.add_bytecode(BYTECODE_SEND)
    context.add_bytecode(SEND_TYPE_BINARY)
    context.add_bytecode(1)

    return context

Prvně se resolvne název, poté se zkompiluje obsah parametru a poté se tento obsah pošle objektu na názvu. Poslední řádek context.add_bytecode(1) určuje počet parametrů, což je u binárních zpráv vždy jeden.

Krásně se to kombinuje s objektem Send, který specifikuje fakt že se má něco něčemu poslat:

def compile(self, context):
    self.obj.compile(context)
    self.msg.compile(context)

    return context

Prvně zkompiluj objekt kterému bude něco posílat, což muže být třeba Self, poté samotnou zprávu, což může být třeba výše uvedená BinaryMessage.

Asi nejzajímavějším a nejsložitějším na zkompilování se ukázal Object:

def _add_slot_to_bytecode(self, context, name, value):
    boxed_name = String(name)
    boxed_name.compile(context)

    value.compile(context)

    context.add_bytecode(BYTECODE_ADD_SLOT)

def compile(self, context):
    obj = ObjectRepresentation()
    obj.meta_set_ast(self)
    obj.meta_set_parameters(self.params)

    index = context.add_literal_obj(obj)
    context.add_bytecode(BYTECODE_PUSH_LITERAL)
    context.add_bytecode(LITERAL_TYPE_OBJ)
    context.add_bytecode(index)

    for name, value in self.slots.iteritems():
        self._add_slot_to_bytecode(context, name, value)
        context.add_bytecode(SLOT_NORMAL)

    for name, value in self.parents.iteritems():
        self._add_slot_to_bytecode(context, name, value)
        context.add_bytecode(SLOT_PARENT)

    if self.code:
        new_context = CodeContext()
        obj.meta_set_code_context(new_context)
        for item in self.code:
            item.compile(new_context)

        obj.map.code_context = new_context

    return context

Složitost je do velké míry dána tím, že jsem se rozhodl, že objektové literály budu vkládat mezi literály jako poměrně jednoduché objekty, které nemají nic moc kromě parametrů předvyplněno. Vyplnění probíhá ve chvíli, kdy je objekt vytvořen.

Výše je možné vidět, že je nejdřív vytvořen prázdný objekt, do kterého je uložena jen AST reprezentace pro pozdější referenci a seznam parametrů, které přijímá. Celý zbytek je pak dodán až dynamicky za běhu - všechny sloty, všechny parent sloty a samozřejmě když obsahuje kód, tak je vše rekurzivně provedeno i pro kód.

Disassembler

Když už jsem měl hotový triviální kompilátor, rozhodl jsem se také napsat si k němu jednoduchý disassembler (ehm, disbytecoder), tedy něco co mi čitelněji zobrazí zkompilovaný kód. V podstatě to funguje inverzně ke kompilátoru; postupně bere instrukce a jejich parametry a překládá je na mnemotechnické zkratky instrukcí:

Napsal jsem to celé maximálně triviálně:

def _compute_index(bytecodes_len, bytecodes):
    return str(bytecodes_len - len(bytecodes))


def disassemble(bytecodes_bytearray):
    disassembled = []

    bytecodes = [ord(c) for c in bytecodes_bytearray]
    bytecodes_len = len(bytecodes)
    while bytecodes:
        index = _compute_index(bytecodes_len, bytecodes)
        bytecode = bytecodes.pop(0)

        if bytecode == BYTECODE_SEND:
            send_type = bytecodes.pop(0)

            send_type_str = {
                SEND_TYPE_UNARY: "UNARY",
                SEND_TYPE_BINARY: "BINARY",
                SEND_TYPE_KEYWORD: "KEYWORD",
                SEND_TYPE_UNARY_RESEND: "UNARY_RESEND",
                SEND_TYPE_KEYWORD_RESEND: "KEYWORD_RESEND",
            }[send_type]

            number_of_params = bytecodes.pop(0)

            disassembled.append([
                index,
                "SEND",
                "type:" + send_type_str,
                "params:" + str(number_of_params)
            ])
            continue

        elif bytecode == BYTECODE_PUSH_SELF:
            disassembled.append([
                index,
                "PUSH_SELF"
            ])
            continue

        elif bytecode == BYTECODE_PUSH_LITERAL:
            literal_type = bytecodes.pop(0)
            literal_index = bytecodes.pop(0)

            literal_type_str = {
                LITERAL_TYPE_NIL: "NIL",
                LITERAL_TYPE_INT: "INT",
                LITERAL_TYPE_STR: "STR",
                LITERAL_TYPE_OBJ: "OBJ",
                LITERAL_TYPE_FLOAT: "FLOAT",
                LITERAL_TYPE_BLOCK: "BLOCK",
                LITERAL_TYPE_ASSIGNMENT: "ASSIGNMENT",
            }[literal_type]

            disassembled.append([
                index,
                "PUSH_LITERAL",
                "type:" + literal_type_str,
                "index:" + str(literal_index)
            ])
            continue

        elif bytecode == BYTECODE_RETURN_TOP:
            disassembled.append([
                index,
                "RETURN_TOP"
            ])
            continue

        elif bytecode == BYTECODE_RETURN_IMPLICIT:
            disassembled.append([
                index,
                "RETURN_IMPLICIT"
            ])
            continue

        elif bytecode == BYTECODE_ADD_SLOT:
            slot_type = bytecodes.pop(0)
            slot_type_str = {
                SLOT_NORMAL: "SLOT_NORMAL",
                SLOT_PARENT: "SLOT_PARENT",
            }[slot_type]

            disassembled.append([
                index,
                "ADD_SLOT",
                "type:" + slot_type_str,
            ])
            continue

    return disassembled

Pokud se někomu zdá ten kód trochu divný a říká si proč jsem třeba nepoužil tuple místo listů, nebo proč tam šaším s přetypováváním na stringy, tak odpověď je RPython magie. Výsledek vypadá zabalený v samotné Selfové syntaxi například takto:

(|
  literals = (| l <- dict clone. |
    l
      at: 0 Put: "ObjBox(Object(slots={benchmark: Object(slots={i: IntNumber(0),
      i:: AssignmentPrimitive()}, code=[Send(obj=Block(code=[Send(obj=Send(obj=Self(),
      msg=Message(i)), msg=BinaryMessage(name=<, parameter=IntNumber(1000000)))]),
      msg=KeywordMessage(name=whileTrue:, parameters=[Block(code=[Send(obj=Self(),
      msg=KeywordMessage(name=i:, parameters=[Send(obj=Send(obj=Self(), msg=Message(i)),
      msg=BinaryMessage(name=+, parameter=IntNumber(1)))]))])]))]), run_benchmark:
      Object(slots={start_time: Nil(), start_time:: AssignmentPrimitive(), end_time:
      Nil(), end_time:: AssignmentPrimitive()}, code=[Send(obj=Send(obj=Send(obj=Self(),
      msg=Message(primitives)), msg=Message(interpreter)), msg=KeywordMessage(
      name=runScript:, parameters=['objects/stdlib.tself'])), Send(obj=Self(),
      msg=KeywordMessage(name=start_time:, parameters=[Send(obj=Send(obj=Send(obj=Self(),
      msg=Message(primitives)), msg=Message(time)), msg=Message(timestamp))])),
      Send(obj=Self(), msg=Message(benchmark)), Send(obj=Self(), msg=KeywordMessage(name=end_time:
      , parameters=[Send(obj=Send(obj=Send(obj=Self(), msg=Message(primitives)),
      msg=Message(time)), msg=Message(timestamp))])), Send(obj=Send(obj=Send(
      obj=Send(obj=Send(obj=Self(), msg=Message(end_time)), msg=BinaryMessage(
      name=-, parameter=Send(obj=Self(), msg=Message(start_time)))), msg=Message(asString)),
      msg=BinaryMessage(name=+, parameter='
')), msg=Message(print))])}))";
      at: 1 Put: "StrBox(benchmark)";
      at: 2 Put: "ObjBox(Object(slots={i: IntNumber(0), i:: AssignmentPrimitive()},
      code=[Send(obj=Block(code=[Send(obj=Send(obj=Self(), msg=Message(i)),
      msg=BinaryMessage(name=<, parameter=IntNumber(1000000)))]), msg=KeywordMessage(
      name=whileTrue:, parameters=[Block(code=[Send(obj=Self(), msg=KeywordMessage(
      name=i:, parameters=[Send(obj=Send(obj=Self(), msg=Message(i)), msg=BinaryMessage(
      name=+, parameter=IntNumber(1)))]))])]))]))";
      at: 3 Put: "StrBox(i)";
      at: 4 Put: "IntBox(0)";
      at: 5 Put: "StrBox(i:)";
      at: 6 Put: "StrBox(run_benchmark)";
      at: 7 Put: "ObjBox(Object(slots={start_time: Nil(), start_time::
      AssignmentPrimitive(), end_time: Nil(), end_time:: AssignmentPrimitive()},
      code=[Send(obj=Send(obj=Send(obj=Self(), msg=Message(primitives)), msg=Message(
      interpreter)), msg=KeywordMessage(name=runScript:, parameters=[
      'objects/stdlib.tself'])), Send(obj=Self(), msg=KeywordMessage(
      name=start_time:, parameters=[Send(obj=Send(obj=Send(obj=Self(),
      msg=Message(primitives)), msg=Message(time)), msg=Message(timestamp))])),
      Send(obj=Self(), msg=Message(benchmark)), Send(obj=Self(), msg=KeywordMessage(
      name=end_time:, parameters=[Send(obj=Send(obj=Send(obj=Self(), msg=Message(
      primitives)), msg=Message(time)), msg=Message(timestamp))])), Send(obj=Send(
      obj=Send(obj=Send(obj=Send(obj=Self(), msg=Message(end_time)), msg=BinaryMessage(
      name=-, parameter=Send(obj=Self(), msg=Message(start_time)))), msg=Message(asString)),
      msg=BinaryMessage(name=+, parameter='
')), msg=Message(print))]))";
      at: 8 Put: "StrBox(start_time)";
      at: 9 Put: "StrBox(start_time:)";
      at: 10 Put: "StrBox(end_time)";
      at: 11 Put: "StrBox(end_time:)".
  ).

  disassembled = (||
    ("0", "PUSH_LITERAL", "type:OBJ", "index:0"), 
    ("3", "PUSH_LITERAL", "type:STR", "index:1"), 
    ("6", "PUSH_LITERAL", "type:OBJ", "index:2"), 
    ("9", "PUSH_LITERAL", "type:STR", "index:3"), 
    ("12", "PUSH_LITERAL", "type:INT", "index:4"), 
    ("15", "ADD_SLOT", "type:SLOT_NORMAL"), 
    ("17", "PUSH_LITERAL", "type:STR", "index:5"), 
    ("20", "PUSH_LITERAL", "type:ASSIGNMENT", "index:0"), 
    ("23", "ADD_SLOT", "type:SLOT_NORMAL"), 
    ("25", "ADD_SLOT", "type:SLOT_NORMAL"), 
    ("27", "PUSH_LITERAL", "type:STR", "index:6"), 
    ("30", "PUSH_LITERAL", "type:OBJ", "index:7"), 
    ("33", "PUSH_LITERAL", "type:STR", "index:8"), 
    ("36", "PUSH_LITERAL", "type:NIL", "index:0"), 
    ("39", "ADD_SLOT", "type:SLOT_NORMAL"), 
    ("41", "PUSH_LITERAL", "type:STR", "index:9"), 
    ("44", "PUSH_LITERAL", "type:ASSIGNMENT", "index:0"), 
    ("47", "ADD_SLOT", "type:SLOT_NORMAL"), 
    ("49", "PUSH_LITERAL", "type:STR", "index:10"), 
    ("52", "PUSH_LITERAL", "type:NIL", "index:0"), 
    ("55", "ADD_SLOT", "type:SLOT_NORMAL"), 
    ("57", "PUSH_LITERAL", "type:STR", "index:11"), 
    ("60", "PUSH_LITERAL", "type:ASSIGNMENT", "index:0"), 
    ("63", "ADD_SLOT", "type:SLOT_NORMAL"), 
    ("65", "ADD_SLOT", "type:SLOT_NORMAL"), 
    ("67", "PUSH_LITERAL", "type:STR", "index:6"), 
    ("70", "SEND", "type:UNARY", "params:0"), 
    ("73", "RETURN_TOP"), 
    ("74", "RETURN_TOP"), 
    ("75", "RETURN_TOP"), 
    ("76", "RETURN_TOP")
  ).

bytecodes = (||
    3, 3, 0, 3, 2, 1, 3, 3, 2, 3, 2, 3, 3, 1, 4, 6, 0, 3, 2, 5, 3, 6, 0, 6, 0, 6, 0, 3, 2, 6, 3,
    3, 7, 3, 2, 8, 3, 0, 0, 6, 0, 3, 2, 9, 3, 6, 0, 6, 0, 3, 2, 10, 3, 0, 0, 6, 0, 3, 2, 11, 3, 6,
    0, 6, 0, 6, 0, 3, 2, 6, 0, 0, 0, 4, 4, 4, 4
).

(Kód byl pro větší přehlednost zalomen)

Původně jsem měl výsledek obalen v JSONu, ale nakonec mi kamarád připoměl, že součástí experimentu s tinySelfem je vyzkoušet používat jeho objektové literály, čehož je výsledkem výše uvedený výpis.

Tedy interpreter vypisuje jako debug věci v syntaxi sama sebe. Nutno dodat, že je to celé zatím neotestované, neboť ve chvíli kdy byl tento blog napsán nebyly v tinySelfu podporovány ani pole, ani slovníky a jedná se tedy spíš jen o takový experimentální nástřel. Tomu taky odpovídají ty AST stringy na začátku, které jsou silně nepřehledné, a které to bude chtít časem určitě vylepšit.

Pokračování

Příště se už konečně podíváme jak vlastně uvnitř vypadá interpreter a smyčka vykonávání příkazů.

       

Hodnocení: 100 %

        špatnédobré        

Tiskni Sdílej: Linkuj Jaggni to Vybrali.sme.sk Google Del.icio.us Facebook

Komentáře

Vložit další komentář

xsubway avatar 5.5.2019 23:18 xsubway | skóre: 13 | blog: litera_scripta_manet
Rozbalit Rozbalit vše Re: Jak se píše programovací jazyk 6: Kompilátor AST do bytecode
Už se těším na pokračování. Dík.
7.5.2019 19:37 Ivorne | blog: Ivorne
Rozbalit Rozbalit vše Re: Jak se píše programovací jazyk 6: Kompilátor AST do bytecode
Zajímavý. To abych si našel čas a taky naprototypoval ten svůj jazyk, co jsem tu o něm někde vykládal.
8.1. 10:26 %
Rozbalit Rozbalit vše Re: Jak se píše programovací jazyk 6: Kompilátor AST do bytecode
NESKUTECNY HOVNA
ISSN 1214-1267   www.czech-server.cz
© 1999-2015 Nitemedia s. r. o. Všechna práva vyhrazena.