使用 LLVM 的另一種方法是向現有語言添加特定於域的擴展

islamnobin673 · 发表于 2023-8-30 14:27:25

本帖最后由 islamnobin673 于 2023-8-30 14:32 编辑

Nvidia 使用 LLVM创建Nvidia CUDA 编译器。这允许该语言添加 CUDA 本机支持，该支持作为生成的本机代码的一部分进行编译（更快），而不是通过捆绑库调用（更慢）。

LLVM 作为特定领域语言的成功催生了 LLVM 内的几个新项目墨西哥手机号码列来解决这里出现的问题。这样做最大的问题是，前端需要花费大量精力将一些 DSL 转换为 LLVM IR。目前正在开发的一种解决方案是多级中间表示（MLIR）项目。

提供了一种便捷的方式来表示复杂的数据结构和操作，并自动将此表示转换为 LLVM IR。例如，TensorFlow 机器学习框架中的许多复杂数据流图操作可以使用 MLIR 高效编译为本机代码。

如何使用LLVM
使用 LLVM 的常见方法是使用支持 LLVM 库的语言进行编码。通常是 C 和 C++。许多 LLVM 开发人员原生使用这两种语言之一，原因如下：

LLVM 本身是用 C++ 编写的。
LLVM 的 API 以 C 和 C++ 版本提供。
大多数语言开发主要基于C/C++。

当然，这两种语言并不是唯一可供选择的语言。理论上，LLVM开发可以用多种可以原生调用C库的语言来完成。但拥有一个无缝封装 LLVM API 的语言的实际库会很有帮助。幸运的是，许多语言和语言运行时都有这样的库，包括C#/.Net/Mono、Rust、Haskell、OCAML、Node.js、Go和Python 。需要注意的一件事是 LLVM 的某些语言绑定还远未完成。例如，在Python中，出现了很多选项，但完整性和实用性各不相同。其中稳定的、功能强大的介绍如下。

llvmlite由创建 Numba 的团队开发，现已成为在 Python 中使用 LLVM 的流行方式。它仅实现了 Numba 项目所需的 LLVM 功能的子集，但其中一些是大多数 LLVM 用户所需要的。 llvmlite 是在 Python 中处理 LLVM 的最佳选择。
LLVM 项目本身俱有与 LLVM 的 C API 的绑定，但它们目前尚未维护。
llvmpy作为广泛使用的 LLVM Python 绑定而闻名，但自 2015 年起已被弃用。维护中断对于任何软件项目来说都是不好的，但考虑到新版本中引入的许多更改，对于 LLVM 来说尤其不幸。
llvmcpy旨在自动保持 C 库的 Python 绑定最新并可使用 Python 的本机习惯用法进行访问。 llvmcpy 现在可以使用 LLVM API 执行一些基本操作，但自 2019 年以来尚未更新。

如果您有兴趣学习如何使用 LLVM 库构建语言，可以查看LLVM 作者准备的教程。本教程使用 C++ 或 OCAML，引导您逐步创建一种名为 Kaleidscope 的简单语言。该教程还被移植到其他语言，例如：

Haskell：逐字移植原始教程
Python：一个几乎逐字遵循原始教程，另一个使用交互式命令行进行扩展和重写。两者都使用 llvmlite 作为 LLVM 绑定。
Rust和Swift：当然，教程已移植到这两种语言，这对 LLVM 的创建做出了贡献。

最后，LLVM 教程提供多种（人类）语言版本。例如，有一个使用 C++和Python的中文翻译。

LLVM 中未找到的功能
LLVM 提供了很多功能，但也值得了解 LLVM 不能做什么。例如，LLVM 不解析语言的语法。已经有很多用于此目的的工具，例如lex/yacc、flex/bison、Lark和ANTLR 。确实，解析从一开始就与编译是分开的，因此 LLVM 不关注它也就不足为奇了。此外，LLVM 不涉及特定语言的整体软件文化。用户必须手动安装编译器二进制文件、管理已安装版本的包以及升级工具链。

最后，也是最重要的一点，该语言仍然有一些通用部分 LLVM 没有提供原语。许多语言都有某种形式的垃圾收集内存管理，要么作为管理内存的主要手段，要么作为RAII （C++ 和 Rust 使用）等策略的辅助手段。另一方面，LLVM 不提供垃圾收集器机制。但是，它提供了实现垃圾收集的工具，允许您在代码中公开元数据，从而更容易编写垃圾收集器。

未来LLVM也有可能会添加原生机制来实现垃圾收集。 LLVM 正在快速发展，大约每六个月就会发布一次主要版本。随着许多语言现在将 LLVM 置于其开发过程的中心，这种开发速度可能会继续加快。