php Zend虚拟机

在前?的章节中，我们了解到?个PHP?件在服务器端的执?过程包括以下两个?的过程：
1. 递给php程序需要执?的?件， php程序完成基本的准备?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?件，Zend引擎对脚本?件进?词法分析，语法分析。然后编译成opcode执?。 如果安装了apc之类的opcode缓存， 编译环节可能会被跳过?直接从缓存中读取opcode执?。

在第?步中，词法分析、语法分析，编译中间代码，执?中间代码等各个部分统称为Zend虚拟机。 与Java、C#等编译型语?相?，PHP少了?个?动编译的过程，它们?需编译即可运?，我们称其为解释性语?。 Java有??的Java虚拟机，它在多个平台上实现统?语?； C#有??的.NET虚拟机，它在单?平
台实现多种语?； PHP跟他们?样，也有属于??的Zend虚拟机。它们在本质是相同的，它们都是抽象的计算机。 这些虚拟机都是在某种较底层的语?上抽象出另外?种语?，有??的指令集，有??的内存管理体系。 它们最终都会将抽象级别较?的语?实现转化为抽象级别较低的语?实现， 并且实现其它辅助功
能，如内存管理，垃圾回收等机制， 以减少程序员在具体实现上的?作，从?可以将更多的时间和精?投?到业务逻辑中。 从抽象层次看，Zend虚拟机?Java等语?更?级?些，这?的?级不是说功能更强?或效率更?， 简单点说，Zend虚拟机离真正的机器实现更远?些。 最近这些年，语?的发展只是不断的抽象，不断的远离机器，没有根本性的变化。

本章，我们从虚拟机的前世今?讲起，叙述Zend虚拟机的实现原理，关键的数据结构， 并其中穿插?个关于语法实现的?例和源码加密解密的过程说明。

第?节 Zend虚拟机概述

在wiki中虚拟机的定义是： 虚拟机（Virtual Machine），在计算机科学中的体系结构?，是指?种特殊的软件， 他可以在计算机平台和终端?户之间创建?种环境，?终端?户则是基于这个软件所创建的环境来操作软件。 在计算机科学中，虚拟机是指可以像真实机器?样运?程序的计算机的软件实现。

虚拟机是?种抽象的计算机，它有??的指令集，有??的内存管理体系。 在此类虚拟机上实现的语??较低抽象层次的语?更加明了，更加简单易学。

Zend虚拟机核?实现代码

为了?便读者对Zend引擎的实现有个全?的感觉，下?列出涉及到Zend引擎实现的核?代码?件功能参考。

Zend引擎的核??件都在$PHP_SRC/Zend/?录下?。不过最为核?的?件只有如下?个：

1. PHP语法实现

• Zend/zend_language_scanner.l
• Zend/zend_language_parser.y

2. Opcode编译

• Zend/zend_compile.c

3. 执?引擎

• Zend/zend_vm_*
• Zend/zend_execute.c

Zend虚拟机体系结构

从概念层将Zend虚拟机的实现进?抽象，我们可以将Zend虚拟机的体系结构分为：解释层、执?引擎、中间数据层，如图7.1所?：

图7.1 Zend虚拟机体系结构图

当?段PHP代码进?Zend虚拟机，它会被执?两步操作:编译和执?。 对于?个解释性语?来说，这是?个创造性的举动，但是，现在的实现并不彻底。 现在当PHP代码进?Zend虚拟机后，它虽然会被执?这两步操作，但是这两步操作对于?个常规的执?过程来说却是连续的， 也就是说它并没有转变成和Java
这种编译型语??样：?成?个中间?件存放编译后的结果。 如果每次执?这样的操作，对于PHP脚本的性能来说是?个极?的损失。 虽然有类似于APC，eAccelerator等缓存解决?案。但是其本质上是没有变化的，并且不能将两个步骤分离，各?发展壮?。

解释层

解释层是Zend虚拟机执?编译过程的位置。它包括词法解析、语法解析和编译?成中间代码三个部分。 词法分析就是将我们要执?的PHP源?件，去掉空格，去掉注释，切分为?个个的标记(token)， 并且处理程序的层级结构(hierarchical structure)。

语法分析就是将接受的标记(token)序列，根据定义的语法规则，来执??些动作，Zend虚拟机现在使?的Bison使?巴科斯范式(BNF)来描述语法。 编译?成中间代码是根据语法解析的结果对照Zend虚拟机制定的opcode?成中间代码， 在PHP5.3.1中，Zend虚拟机?持135条指令（见
Zend/zend_vm_opcodes.h?件）， ?论是简单的输出语句还是程序复杂的递归调?，Zend虚拟机最终都会将所有我们编写的PHP代码转化成这135条指令的序列， 之后在执?引擎中按顺序执?。

中间数据层

当Zend虚拟机执??个PHP代码时，它需要内存来存储许多东?， ?如，中间代码，PHP?带的函数列表，?户定义的函数列表，PHP?带的类，?户?定义的类， 常量，程序创建的对象，传递给函数或?法的参数，返回值，局部变量以及?些运算的中间结果等。 我们把这些所有的存放数据的地?称为中间数据层。

如果PHP以mod扩展的?式依附于Apache2服务器运?，中间数据层的部分数据可能会被多个线程共享，如果PHP?带的函数列表等。 如果只考虑单个进程的?式，当?个进程被创建时它就会被加载PHP?带的各种函数列表，类列表，常量列表等。 当解释层将PHP代码编译完成后，各种?户?定义的函数，类
或常量会添加到之前的列表中， 只是这些函数在其??的结构中某些字段的赋值是不?样的。

当执?引擎执??成的中间代码时，会在Zend虚拟机的栈中添加?个新的执?中间数据结构（zend_execute_data）， 它包括当前执?过程的活动符号列表的快照、?些局部变量等。

执?引擎

Zend虚拟机的执?引擎是?个?常简单的实现，它只是依据中间代码序列（EX(opline)）,?步?步调?对应的?法执?。 在执?引擎中没并有类似于PC寄存器?样的变量存放下?条指令，当Zend虚拟机执?到某条指令时，当它所有的任务都执?完了， 这条指令会??调?下?条指令，即将序列的指针向前移
动?个位置，从?执?下?条指令，并且在最后执?return语句，如此反复。 这在本质上是?个函数嵌套调?。 

回到开头的问题，PHP通过词法分析、语法分析和中间代码?成三个步骤后，PHP?件就会被解析成PHP的中间代码opcode。 ?成的中间代码与实际的PHP代码之间并没有完全的??对应关系。只是针对?户所给的PHP代码和PHP的语法规则和?些内部约定?成中间代码， 并且这些中间代码还需要依靠?些全
局变量中转数据和关联。?于?成的中间代码的执?过程是依据中间代码的顺利， 依赖于执?过程中的全局变量，?步步执?。当然，在遇到?些函数跳转也会发?偏移，但是最终还是会回到偏移点。

第?节 语法的实现

世上没有?缘?故的爱，也没有?缘?故的恨。

语?从?义上来讲是?们进?沟通交流的各种表达符号。每种语?都有专属于??的符号，表达?式和规则。 就编程语?来说，它也是由特定的符号，特定的表达?式和规则组成。 语?的作?是沟通，不管是?然语?，还是编程语?，它们的区别在于?然语?是?与?之间沟通的?具， ?编程语?是?与机器
之间的沟通渠道。相对于?然语?，编程语?的历史还?常短， 虽然编程语?是站在历史巨?的基础上创建的，但是它还很?，还是?个?孩。 它只能按编程?员所给的指令翻译成对应的机器可以识别的语?。它就相当于?个转化?具， 将?们的知识或者业务逻辑转化成机器码（机器的语?），让其执?对应的的
操作。 ?这些指令是?些规则，?些约定，这些规则约定都是由编程语?来处理。 

就PHP语?来说，它也是?组符合?定规则的约定的指令。 在编程?员将??的想法以PHP语?实现后，通过PHP的虚拟机将这些PHP指令转变成C语? （可以理解为更底层的?种指令集）指令，?C语??会转变成汇编语?， 最后汇编语?将根据处理器的规则转变成机器码执?。这是?个更?层次抽象的不断具体化，不断细化的过程。

在这?章，我们讨论PHP虚拟机是如何将PHP语?转化成C语?。 从?种语?到另?种语?的转化称之为编译，这两种语?分别可以称之为源语?和?标语?。 这种编译过程通过发?在?标语??源语?更低级（或者说更底层）。 语?转化的编译过程是由编译器来完成， 编码器通常被分为?系列的过程：词法分析、语法分析、语义分析、中间代码?成、代码优化、?标代码?成等。 前??个阶段（词法分析、语法分析和语义分析）的作?是分析源程序，我们可以称之为编译器的前端。 后?的?个阶段（中间代码?成、代码优化和?标代码?成）的作?是构造?标程序，我们可以称之为编译器的后端。 ?种语?被称为
编译类语?，?般是由于在程序执?之前有?个翻译的过程， 其中关键点是有?个形式上完全不同的等价程序?成。 ?PHP之所以被称为解释类语?，就是因为并没有这样的?个程序?成， 它?成的是中间代码，这只是PHP的?种内部数据结构。

在本章我们会介绍PHP编译器的前端的两个阶段，语法分析、语法分析；后端的?个阶段，中间代码?成。 在第?节我们介绍PHP的词法分析过程及其?到的?具re2c， 第?节我们介绍在词法分析后的语法分析过程， 第三节我们以PHP的?个简单语法实现作为本章的结束。

词法解析

在前?我们提到语?转化的编译过程?般分为词法分析、语法分析、语义分析、中间代码?成、代码优化、?标代码?成等六个阶段。 不管是编译型语?还是解释型语?，扫描（词法分析）总是将程序转化成?标语?的第?步。 词法分析的作?就是将整个源程序分解成?个?个的单词， 这样做可以在?定程度
上减少后?分析?作需要处理的个体数量，为语法分析等做准备。 除了拆分?作，更多的时候它还承担着清洗源程序的过程，?如清除空格，清除注释等。 词法分析作为编译过程的第?步，在业界已经有多种成熟?具，如PHP在开始使?的是Flex，之后改为re2c， MySQL的词法分析使?的Flex，除此之外还有作为
UNIX系统标准词法分析器的Lex等。 这些?具都会读进?个代表词法分析器规则的输?字符串流，然后输出以C语?实做的词法分析器源代码。 这?我们只介绍PHP的现版词法分析器，re2c。 

re2c是?个扫描器制作?具，可以创建?常快速灵活的扫描器。 它可以产??效代码，基于C语?，可以?持C/C++代码。与其它类似的扫描器不同， 它偏重于为正则表达式产??效代码（和他的名字?样）。因此，这?传统的词法分析器有更?泛的应?范围。 你可以在sourceforge.net获取源码。

PHP在最开始的词法解析器是使?的是Flex，后来改为使?re2c。 在源码?录下的Zend/zend_language_scanner.l ?件是re2c的规则?件， 如果需要修改该规则?件需要安装re2c才能重新编译，?成新的规则?件。

re2c调??式：

re2c [-bdefFghisuvVw1] [-o output] [-c [-t header]] file

我们通过?个简单的例?来看下re2c。如下是?个简单的扫描器，它的作?是判断所给的字符串是数字/?写字?/??字?。 当然，这?没有做?些输?错误判断等异常操作处理。?例如下：

#include <stdio.h>
char *scan(char *p){
#define YYCTYPE char
#define YYCURSOR p
#define YYLIMIT p
#define YYMARKER q
#define YYFILL(n)
    /*!re2c
    [0-9]+ {return "number";}
    [a-z]+ {return "lower";}
    [A-Z]+ {return "upper";}
    [^] {return "unkown";}
*/
}
int main(int argc, char* argv[])
{
    printf("%s\n", scan(argv[1]));
    return 0;
}

如果你是在ubuntu环境下，可以执?下?的命令?成可执??件。

re2c -o a.c a.l
gcc a.c -o a
chmod +x a
./a 1000

此时程序会输出number。