编译器基础概念

编译器与解释器

解释器 vs 编译器对比

特性	解释器 (Interpreter)	编译器 (Compiler)
输入处理	每次读取一行	整个程序一次性处理
输出	不生成中间代码	生成中间目标代码（如 .obj 或 .class）
工作机制	编译和执行同时进行	先完成全部编译，再执行
存储	不保存机器代码	存储编译后的机器代码（如 .exe）
执行方式	解释过程即执行，逐行运行	执行与编译分离，运行编译后的独立程序
程序生成	无输出程序，每次执行需重新解释源码	生成可独立运行的程序（如 .exe）
代码修改	直接修改源码即可运行	需重新编译修改后的源码
运行速度	慢（逐行解释）	快（直接执行机器码）
内存占用	较少（无中间代码）	较多（需存储目标代码）
错误处理	逐行显示错误，需纠正后继续解释下一行	编译时显示所有错误，必须修正才能生成可执行程序
错误监测	容易（实时反馈）	需完整编译后反馈
适用语言	PHP、Perl、Python、Ruby	C、C++、C#、Scala、Java
典型步骤	1. 创建代码 2. 直接解释执行	1. 创建代码 2. 语法分析 3. 生成机器码 4. 链接运行

编译方式

程序主要有两种运行方式：

• 静态编译：程序在执行前全部被编译为机器码，称为AOT（Aheadof time），即“提前编译"
• 动态解释：程序边编译边运行，通常将这种类型称为 JIT（Just in time）即“即时编译"；

Just-In-Time (JIT) 编译

• 运行时将代码编译为机器码，适用于动态语言，具有更高的运行时优化能力。

Ahead-Of-Time (AOT) 编译

• 在程序运行前将代码编译为目标机器码，启动速度快，适合静态语言。

JIT（即时编译）与 AOT（提前编译）对比

特性	JIT（Just in Time）即时编译	AOT（Ahead of Time）提前编译
优点
硬件适配优化	✅ 根据当前硬件实时生成最优机器指令	❌ 无法针对运行环境动态优化
运行时优化	✅ 根据程序实际运行情况优化指令序列	❌ 静态优化，无法利用运行时信息
动态链接支持	✅ 唯一支持动态链接的方案	❌ 无法支持动态链接
内存利用率	✅ 可基于进程内存实际情况调整代码	❌ 内存分配固定
缺点
运行时性能消耗	❌ 编译占用运行时间，可能导致卡顿	✅ 无运行时编译开销
优化限制	❌ 需权衡编译时间和优化程度	✅ 可进行充分静态优化
启动性能	❌ 初始编译无法立即达到最高性能	✅ 启动即达峰值性能
程序启动速度	❌ 初始编译影响启动速度	✅ 显著加快程序启动
安装/部署影响	✅ 无额外安装时间	❌ 增加程序安装时间
语言一致性	✅ 保持高级语言特性	❌ 可能牺牲语言一致性
存储占用	✅ 不保存编译结果	❌ 预编译内容占用额外存储空间
典型应用场景	Java/JVM、JavaScript引擎、动态语言环境	C/C++程序、系统级开发、移动端应用

什么时候用到JIT什么时候用到AOT？

选 JIT 当：

• 需要动态优化、跨平台或快速开发迭代。
• 允许牺牲部分启动时间换取长期性能（如服务端应用）。

选 AOT 当：

• 要求快速启动、资源受限或需静态分发（如移动端 APP）。
• 代码稳定且无需运行时调整（如系统级软件）。

Pass 和 IR

• Pass：编译器的一个处理阶段，用于分析和优化程序。
• IR（Intermediate Representation）：中间表示，是源代码与目标代码之间的抽象形式，方便分析与优化。

Pass

---

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

---

AI 编译器

AI 编译器的发展历史（History of AI Compiler）

• 初期尝试使用启发式方法优化编译过程
• 随着机器学习的发展，逐渐应用神经网络和强化学习进行自动优化

AI 编译器的通用架构（Base Common Architecture）

1. 前端：将源代码转为 IR
2. IR 优化器：使用 AI 方法预测最优优化策略
3. 后端生成器：将优化后的 IR 转为机器码
4. 反馈环节：通过运行数据训练模型，持续优化编译效果

---

参考

• 编译器和解释器啥区别？AOT和JIT啥区别？Pass和IR又是什么？【AI编译器】系列01篇
• 编译器基础介绍