【PHP7源码分析】PHP7语言的执行原理

顺风车运营研发团队 李志 发表在程序人生 公众号
我们常用的高级语言有很多种,比较出名的有CC++、Python、 PHP、Go、Pascal等。而这些语言根据运行的方式不同,大体分为两种:编译型语言和解释型语言。

其中,编译型语言包括CC++、Pascal、Go等。这里说的编译是指在应用源程序执行之前,就将程序源代码“翻译”成汇编语言,然后进一步根据软硬件环境编译成目标文件。一般我们称完成编译工作的工具叫编译器。而解释型语言,在程序运行时才被“翻译”为机器语言。但是执行一次“翻译”一次,所以执行效率较低。解释器的工作就是解释性语言中,负责“翻译”源代码的程序。

下面我们更详细地讨论一下编译型语言和解释性语言的运行方式。

一、编译型语言与解释型语言

我们知道,对于一段C语言代码,需要经过预编译、编译、汇编和链接,才能成为可执行的二进制文件。以hello.c为例:

#include<stdio.h>
int main(){
   printf("hello world");
   return 1;
}

对于这段C代码,main是程序入口函数,实现的功能是打印字符串“hello world” 到屏幕上。编译和执行过程如图1所示。

【PHP7源码分析】PHP7语言的执行原理
图1 编译型语言的执行示意图

第1步:C语言代码预处理(比如依赖处理、宏替换等)。如以上代码示例,#inlcude<stdio.h>就会在预处理阶段被替换。

第2步:编译。编译器会把C语言翻译成汇编语言程序,一条C语言通常便以为多条汇编代码。同时编译器会对程序进行优化,生成目标汇编程序。

第3步:编译得到的汇编语言通过汇编器再汇编成目标程序hello.o。

第4步:链接。程序中往往包含一些共享目标文件,如示例程序中的printf()函数,位于静态库,需要经过链接器(如Uinx连接器ld)进行链接。

以C语言为代表的编译型语言,代码发生更新都要经过以上步骤:

我们区别编译型语言与解释型语言,主要立足于源代码被编译成目标平台CPU指令的时机。对于编译型语言,编译结果已经是针对当前CPU体系的指令;而解释型语言,需要先编译成中间代码,再经由该解释型语言的特定虚拟机,翻译成特定CPU体系的指令被执行。解释型语言是在运行过程中,翻译为目标平台的指令。常说解释型语言“慢”,主要也是慢在这里。

在PHP7中,源代码首先将进行词法分析,将源代码切割为多个字符串单元,分割后的字符串称之为Token。而一个个独立的Token无法表达完整语义,需经过语法分析阶段,将Token转换为抽象语法树(简称AST)。之后,抽象语法树被转换为机器指令执行。在PHP中,这些指令称为opcode(后文会对opcode做更详细的解释,此处读者可以看待为CPU指令)。

到AST的生成这一步,编译型语言与解释型语言所需经历的过程相似。从抽象语法树之后开始产生差异。

图2是PHP(如无特殊说明,本章提到的PHP均为PHP7版本)代码被执行的简化步骤,其中最后一步的左侧分支,是编译型语言的过程。

【PHP7源码分析】PHP7语言的执行原理

图2 以PHP为例解释型语言的执行示意图

第1步:源码通过词法分析得到Token;

第2步:基于语法分析器生成抽象语法树(AST);

第3步:抽象语法树转换为Opcodes(opcode指令集合),PHP解释执行Opcodes。

接下来我们在基本步骤的基础上,细化PHP语言的执行原理,试图更清晰地建立认知。

二、PHP7的执行原理概述

首先我们补充说明下前文提到的PHP7程序执行过程,请参见图3。

【PHP7源码分析】PHP7语言的执行原理

图3 PHP7语言编写的程序的执行过程图

第1步:词法分析将PHP代码转换为有意义的标识Token。该步骤的词法分析器使用Re2c实现的。

第2步:语法分析将Token和符合文法规则的代码生成抽象语法树。语法分析器基于Bison实现。语法分析使用了巴科斯范式(BNF)来表达文法规则,Bison借助状态机、状态转移表和压栈、出栈等一系列操作,生成抽象语法树。

第3步:上步的抽象语法树生成对应的opcode,被虚拟机执行。opcode是PHP7定义的一组指令标识,指令对应着相应的handler(处理函数)。当虚拟机调用opcode,会找到opcode背后的处理函数,执行真正的处理。以我们常见的echo语句为例,其对应的opcode便是ZEND_ECHO。

  • 注意:这里为了便于理解词法分析和语法分析过程,将两者分开描述。但实际情况,出于效率考虑,两个过程并非完全独立。

下面,我们通过一段示例代码,来建立PHP7运转的初步理解。

示例代码如下:

<?php
echo "hello world";

从图3可知,这段代码首先会被切割为Token。

1. Token

Token是PHP代码被切割成的有意义的标识。本书介绍的PHP7版本中有137 种Token,在zend_language_parser.h文件中做了定义:

/* Tokens.  */
#define END 0
#define T_INCLUDE 258
#define T_INCLUDE_ONCE 259
…
#define T_ERROR 392

更多Token的含义,感兴趣的读者可以参考《PHP 7底层设计与源码实现》附录。

PHP提供了token_get_all()函数来获取PHP代码被切割后的Token,可以在深入源码学习前,粗略查看PHP代码被切割后的Token。如下代码片段:

/home/vagrant/php7/bin/php –r 'print_r(Token_get_all("<?php echo \"hello world\";"));'

输出结果为:

Array
(
   [0] => Array
       (
           [0] => 379
           [1] => <?php
           [2] => 1
       )
   [1] => Array
       (
           [0] => 328
           [1] => echo
           [2] => 1
       )
   [2] => Array
       (
           [0] => 382
           [1] =>
           [2] => 1
       )
   [3] => Array
       (
           [0] => 323
           [1] => "hello world"
           [2] => 1
       )
   [4] => ;
)

上文输出中,二维数组的每个成员数组第一个值为Token对应的枚举值;第二个值为Token对应的原始字符串内容;第三个值为代码对应的行号。可以看出,词法解析器将 <?php echo "hello world"; 这段文本内容切分成了4部分。

1)文本“<?php”,切割后对应的Token值为379,参考PHP7中的源码:

#dfine T_OPEN_TAG 379

不难理解,它是PHP代码的起始tag,也就是<?php标识;

2)echo对应的Token是T_ECHO:

#define T_ECHO 328

3)源码中的空格,对应的Token叫T_WHITESPACE,值为382:

#define T_WHITESPACE 382

4)字符串“hello world”对应的Token值为323:

#define T_CONSTANT_ENCAPSED_STRING 323

可见,Token就是一个个的“词块”,但是单独存在的词块不能表达完整的语义,还需要借助规则进行组织串联。语法分析器就是这个组织者。它会检查语法、匹配Token,对Token进行关联。

PHP7中,组织串联的产物就是抽象语法树(Abstract Syntax Tree,AST)。

2. AST

AST是PHP7版本新特性。在这之前的版本,PHP代码的执行过程中没有生成AST这一步。PHP7对抽象语法树的支持,实现了PHP编译器和解释器解耦,有效提升了可维护性。

顾名思义,抽象语法树具有树状结构。AST的节点分为多种类型,对应着不同的PHP语法。在当前章节,我们可以认为节点类型是对语法规则的抽象,例如赋值语句,生成的抽象语法树节点为ZEND_AST_ASSIGN。而赋值语句的左右操作数,又将作为ZEND_AST_ASSIGN类型节点的孩子。通过这样的节点关系,构建出抽象语法树。

如果读者希望一睹为快,可以直接跳到本书第13章函数的实现,其中图片描绘了一段简单的PHP代码生成的抽象语法树。

在这里,我们推荐读者了解下PhpParser工具,可以用它来查看PHP代码生成的AST。

注意:PHP-Parser是PHP7内核作者之一nikic编写的将PHP源码生成AST的工具。源码见https://github.com/nikic/PHP-...

3. Opcodes

AST扮演了源码到中间代码的临时存储介质的角色,还需要将其转换为opcode,才能被引擎直接执行。Opcode只是单条指令,Opcodes是opcode的集合形式,是PHP执行过程中的中间代码,类似Java中的字节码。生成之后由虚拟机执行。

我们知道,PHP工程优化措施中有个比较常见的“开启Opcache”,指的就是这里的Opcodes的缓存(Opcodes Cache)。通过省去从源码到opcode的阶段,引擎可以直接执行缓存的opcode,以此提升性能。

借助vld插件,可以直观地看到一段PHP代码生成的opcode:

php -dvld.active=1 hello.php
经过过滤整理,对应的opcode为:
line     op              
 1      ECHO            
 2      RETURN

其实在源码实现中,上述代码生成的opcode及handler为:

ZEND_ECHO  // handler: ZEND_ECHO_SPEC_CONST_HANDLER
ZEND_RETURN  // handler: ZEND_RETURN_SPEC_CONST_HANDLER

可见,ZEND_ECHO对应的handler是ZEND_ECHO_SPEC_CONST_HANDLER。此handler的实现的功能便是预期的“hello world”语句的输出。

本书的PHP版本中,内核在zend_vm_opcodes.h中定义了186种Opcodes,也可以参考《PHP 7底层设计与源码实现》附录部分。

在平时的业务开发中,了解一些 PHP的底层实现,尤其是语法机制的实现,对性能提升、故障排除非常有好处。希望这篇浅文,可以帮助读者在使用PHP7的同时,了解到编写的PHP代码如何被编译和执行。

【PHP7源码分析】PHP7语言的执行原理

【PHP7源码分析】PHP7语言的执行原理

(扫上方二维码7.9折购买)

推荐理由:

滴滴出行专家联合撰写,PHP领域大咖夏绪宏、韩天峰、王晶、谢华亮(黑夜路人)、伍星联袂推荐

全面吃透PHP内核架构、核心实现与内存管理、词法与句法解析、Zend 虚拟机、函数及关键扩展等设计细节与源码实现

相关推荐