深入理解PHP原理之Opcodes

转载自大神风雪之偶的博客，自己记录一下！

最近要给Yahoo的同事们做一个关于PHP和Apache处理请求的内部机制的讲座，刚好写了些关于Opcodes的文字，就发上来了，这个文章基于 Sara Golemon大师的《Understanding OPcode》

目前编程语言可以分为两大类:

  • 第一类是像C/C++， .NET， Java之类的编译型语言， 它们的共性是: 运行之前必须对源代码进行编译，然后运行编译后的目标文件。
  • 第二类比如:PHP， Javascript， Ruby， Python这些解释型语言， 他们都无需经过编译即可"运行"，虽然可以理解为直接运行，

但它们并不是真的直接就被能被机器理解， 机器只能理解机器语言，那这些语言是怎么被执行的呢， 一般这些语言都需要一个解释器， 由解释器来执行这些源码， 实际上这些语言还是会经过编译环节， 只不过它们一般会在运行的时候实时进行编译。为了效率，并不是所有语言在每次执行的时候都会重新编译一遍， 比如PHP的各种opcode缓存扩展(如APC， xcache， eAccelerator等)，比如Python会将编译的中间文件保存成pyc/pyo文件， 避免每次运行重新进行编译所带来的性能损失。

PHP的脚本的执行也需要一个解释器， 比如命令行下的php程序，或者apache的mod_php模块等等。 前一节提到了PHP的SAPI接口， 下面就以PHP命令行程序为例解释PHP脚本是怎么被执行的。 例如如下的这段PHP脚本：

<?php
$str = "Hello, Tipi!\n";
echo $str;

假设上面的代码保存在名为hello.php的文件中， 用PHP命令行程序执行这个脚本：

$ php ./hello.php

这段代码的输出显然是Hello， Tipi!， 那么在执行脚本的时候PHP/Zend都做了些什么呢？ 这些语句是怎么样让php输出这段话的呢? 下面将一步一步的进行介绍。

程序的执行

  1. 如上例中， 传递给php程序需要执行的文件， php程序完成基本的准备工作后启动PHP及Zend引擎， 加载注册的扩展模块。
  2. 初始化完成后读取脚本文件，Zend引擎对脚本文件进行词法分析，语法分析。然后编译成opcode执行。 如果安装了apc之类的opcode缓存， 编译环节可能会被跳过而直接从缓存中读取opcode执行。

Opcode是一种PHP脚本编译后的中间语言，就像Java的ByteCode,或者.NET的MSL，举个例子，比如你写下了如下的PHP代码：

  1.  <?php
  2.    echo "Hello World";
  3.    $a = 1 + 1;
  4.    echo $a;
  5. ?>

PHP执行这段代码会经过如下4个步骤(确切的来说，应该是PHP的语言引擎Zend)

  1. 1.Scanning(Lexing) ,将PHP代码转换为语言片段(Tokens)
  2. 2.Parsing, 将Tokens转换成简单而有意义的表达式
  3. 3.Compilation, 将表达式编译成Opocdes
  4. 4.Execution, 顺次执行Opcodes，每次一条，从而实现PHP脚本的功能。

题外话:现在有的Cache比如APC,可以使得PHP缓存住Opcodes，这样，每次有请求来临的时候，就不需要重复执行前面3步，从而能大幅的提高PHP的执行速度。

那什么是Lexing? 学过编译原理的同学都应该对编译原理中的词法分析步骤有所了解，Lex就是一个词法分析的依据表。 Zend/zend_language_scanner.c会根据Zend/zend_language_scanner.l(Lex文件),来输入的 PHP代码进行词法分析，从而得到一个一个的“词”，PHP4.2开始提供了一个函数叫token_get_all,这个函数就可以讲一段PHP代码 Scanning成Tokens；
如果用这个函数处理我们开头提到的PHP代码，将会得到如下结果:

  1. Array
  2. (
  3.     [0] => Array
  4.         (
  5.            [0] => 367
  6.            [1] => Array
  7.         (
  8.             [0] => 316
  9.             [1] => echo
  10.         )
  11.     [2] => Array
  12.         (
  13.             [0] => 370
  14.             [1] =>
  15.         )
  16.     [3] => Array
  17.         (
  18.             [0] => 315
  19.             [1] => "Hello World"
  20.         )
  21.     [4] => ;
  22.     [5] => Array
  23.         (
  24.             [0] => 370
  25.             [1] =>
  26.         )
  27.     [6] => =
  28.     [7] => Array
  29.         (
  30.             [0] => 370
  31.             [1] =>
  32.         )
  33.     [8] => Array
  34.         (
  35.             [0] => 305
  36.             [1] => 1
  37.         )
  38.     [9] => Array
  39.         (
  40.             [0] => 370
  41.             [1] =>
  42.         )
  43.     [10] => +
  44.     [11] => Array
  45.         (
  46.             [0] => 370
  47.             [1] =>
  48.         )
  49.     [12] => Array
  50.         (
  51.             [0] => 305
  52.             [1] => 1
  53.         )
  54.     [13] => ;
  55.     [14] => Array
  56.         (
  57.             [0] => 370
  58.             [1] =>
  59.         )
  60.     [15] => Array
  61.         (
  62.             [0] => 316
  63.             [1] => echo
  64.         )
  65.     [16] => Array
  66.         (
  67.             [0] => 370
  68.             [1] =>
  69.         )
  70.     [17] => ;
  71. )

分析这个返回结果我们可以发现，源码中的字符串，字符，空格，都会原样返回。每个源代码中的字符，都会出现在相应的顺序处。而，其他的比如标签，操作符，语句，都会被转换成一个包含俩部分的Array: Token ID (也就是在Zend内部的改Token的对应码，比如,T_ECHO,T_STRING)，和源码中的原来的内容。
接下来，就是Parsing阶段了，Parsing首先会丢弃Tokens Array中的多于的空格，然后将剩余的Tokens转换成一个一个的简单的表达式

  1. 1.echo a constant string
  2. 2.add two numbers together
  3. 3.store the result of the prior expression to a variable
  4. 4.echo a variable

然后就改Compilation阶段了，它会把Tokens编译成一个个op_array, 每个op_arrayd包含如下5个部分：

  1. 1.Opcode数字的标识，指明了每个op_array的操作类型，比如add , echo
  2. 2.结果 存放Opcode结果
  3. 3.操作数1 给Opcode的操作数
  4. 4.操作数2
  5. 5.扩展值 1个整形用来区别被重载的操作符

比如，我们的PHP代码会被Parsing成:

  1. * ZEND_ECHO 'Hello World'
  2. * ZEND_ADD ~0 1 1
  3. * ZEND_ASSIGN !0 ~0
  4. * ZEND_ECHO !0

呵呵，你可能会问了，我们的$a去那里了？

恩，这个要介绍操作数了，每个操作数都是由以下俩个部分组成：

  1. a)op_type : 为IS_CONST, IS_TMP_VAR, IS_VAR, IS_UNUSED, or IS_CV
  2.  
  3. b)u,一个联合体，根据op_type的不同，分别用不同的类型保存了这个操作数的值(const)或者左值(var)

而对于var来说，每个var也不一样

IS_TMP_VAR, 顾名思义，这个是一个临时变量，保存一些op_array的结果，以便接下来的op_array使用，这种的操作数的u保存着一个指向变量表的一个句柄（整数），这种操作数一般用~开头，比如~0,表示变量表的0号未知的临时变量

IS_VAR 这种就是我们一般意义上的变量了,他们以$开头表示

IS_CV 表示ZE2.1/PHP5.1以后的编译器使用的一种cache机制，这种变量保存着被它引用的变量的地址，当一个变量第一次被引用的时候，就会被CV起来，以后对这个变量的引用就不需要再次去查找active符号表了，CV变量以！开头表示。

这么看来，我们的$a被优化成!0了。

posted @ 2018-07-23 14:56  polarbear2013  阅读(166)  评论(0)    收藏  举报