基本构成

目前主流如 LLVM 和 GCC 等经典的开源编译器，通常分为三个部分，前端(Frontend)，优化器(Optimizer)和后端(Backend)。

• Frontend：主要负责词法和语法分析，将源代码转化为抽象语法树，即将程序划分为基本的组成部分，检查代码的语法、语义和语法，然后生成中间代码

• Optimizer：优化器则是在前端的基础上，对得到的中间代码进行优化（如去掉冗余代码、子表达式消除等工作），使代码更加高效

• Backend：后端则是将已经优化的中间代码，针对具体的硬件生成目标代码，转换成为包括代码优化器和代码生成器

传统编译器

编译器的发展历史（History of Compiler）

• 早期编译器将高级语言翻译成机器代码
• 随着程序复杂度增加，出现多阶段、可优化的编译器设计

GCC 编译过程与原理（GCC Process and Principle）

• 预处理（Preprocessing）
• 编译（Compilation）
• 汇编（Assembly）
• 链接（Linking）
• 支持多平台和多种优化选项

LLVM/Clang 编译过程与原理（LLVM/Clang Process and Principle）

• 模块化设计，前端（Clang）、中端（LLVM IR）、后端（目标代码生成）分离
• 易于扩展和优化
• 广泛用于研究与工业界

LLVM (Low Level Virtual Machine，底层虚拟机) 提供了与编译器相关的支持，能够进行程序语言的编译期优化、链接优化、在线编译优化、代码生成。简而言之，可以作为多种编译器的后台来使用。

LLVM 作为一个编译器的基础建设，它是为了任意一种编程语言写成的程序，利用虚拟技术，创造出编译时期，链结时期，运行时期以及“闲置时期”的优化。

---

GCC与与 LLVM/Clang 的对比

比较项	GCC	LLVM + Clang
前端	多个语言的独立前端（如 cc1）	Clang 为 C/C++/Objective-C 等
中间表示	GIMPLE → RTL	LLVM IR（统一的三地址码）
后端	RTL 到汇编器	LLVM 后端生成目标汇编或机器码
架构设计	前后端耦合性较高	更模块化、可插拔性强

类型	GCC	Clang/LLVM
许可证	GNU GPL	Apache 2.0
代码模块化	一体化架构	模块化
支持平台	Unix、Windows、MAC	Unix、Windows、MAC
代码生成	高效，有很多编译器选项可以使用	高效，LLVM 后端使用了 SSA 表单
语言独立类型系统	没有	有
构建工具	Make Base	CMake
解析器	最早采用 Bison LR，现在改为递归下降解析器	手写的递归下降解析器
链接器	LD	lld
调试器	GDB	LLDB

总结

编译技术是计算机科学皇冠上的一颗明珠，作为基础软件中的核心技术

编译器能够识别高级语言程序代码中的词汇、句子以及各种特定的格式和数据结构

编译过程，是将源代码程序转换成机器能够识别的二进制码

传统编译器通常分为三个部分，前端(frontEnd)，优化器(Optimizer)和后端(backEnd)

参考

• GCC和LLVM发家历史？两大开源编译器的爱恨情仇【AI编译器】系列第二篇
• 02History.md