这编译的最后一步，也就是生成目标代码，则必须跟特定CPU架构相关。
这就是编译器的后端。不过，后端不只是简单地生成目标代码，它还要完成与机器相关的一些优化工作，确保生成的目标代码的性能最高。
本讲将从机器相关的优化入手，看看编译器如何通过指令选择/寄存器分配/指令排序和基于机器代码的优化等步骤，完成整个代码生成的任务的。
首先，编译器后端的任务：生成针对不同架构的目标代码
生成针对不同CPU的目标代码
编译器的后端要把IR翻译成目标代码，那么要生成的目标代码是什么样子呢？
以foo.c为例：
int foo(int a, int b){
return a + b + 10;
}
执行"clang -S foo.c -o foo.x86.s"命令，可以得到对应的X86架构下的汇编(为便于理解，进行了简化)：
#序曲
pushq %rbp
movq %rsp, %rbp #%rbp是栈底指针
#函数体
movl %edi, -4(%rbp) #把第1个参数写到栈里第一个位置（偏移量为4）
movl %esi, -8(%rbp) #把第2个参数写到栈里第二个位置（偏移量为8）
movl -4(%rbp), %eax #把第1个参数写到%eax寄存器
addl -8(%rbp), %eax #把第2个参数加到%eax
addl $10, %eax #把立即数10加到%eax，%eax同时是放返回值的地方
#尾声
popq %rbp
retq
注：
上述代码采用的是GNU汇编器的代码格式，源操作在前，目的操作在后
虽然针对某一种CPU的汇编并不难，但问题是不同架构的CPU,其指令是不同的。编译器的后端每支持一种新的架构，就要有一套新的代码。 这对于一个编译器来说，就是很大的工作量。
举个例子：
使用"clang -S -target armv7a-none-eabi foo.c -o foo.armv7a.s"命令，生成一段针对ARM芯片的汇编代码：
//序曲
sub sp, sp, #8 //把栈扩展8个字节，用于放两个参数，sp是栈顶指针
//函数体
str r0, [sp, #4] //把第1个参数写到栈顶+4的位置
str r1, [sp] //把第2个参数写到栈顶位置
ldr r0, [sp, #4] //把第1个参数从栈里加载到r0寄存器
ldr r1, [sp] //把第2个参数从站立加载到r1寄存器
add r0, r0, r1 //把r1加到r0,结果保存在r0
add r0, r0, #10 //把常量10加载到r0，结果保存在r0,r0也是放返回值的地方
//尾声
add sp, sp, #8 //缩减栈
bx lr //返回
这段代码和前面生成的针对X86架构的汇编代码比较下，就会发现一些不同，这两种CPU,完成功能所使用的汇编指令和寄存器都不相同。
原因如下：
X86的汇编，mov指令的功能很强大，可以从内存加载到寄存器，也可以从寄存器保存回内存，还可以从内存的一个地方拷贝到另一个地方，从一个寄存器拷贝到另一个寄存器。add指令的操作数也可以使用内存地址。
而在ARM的汇编中，从寄存器到内存要使用str(也就是Store)命令，而从内存到寄存器要使用ldr(也就是Load)命令。对于加法指令add而言，两个操作数及结果都必须使用寄存器
知识扩展：
ARM 的这种指令风格叫做 Load-Store 架构。在这种架构下，指令被分为内存访问（Load 和 Store）和 ALU 操作两大类，而后者只能在寄存器上操作。各种 RISC 指令集都是 Load-Store 架构的，比如 PowerPC、RISC-V、ARM 和 MIPS 等。
而像 x86 这种 CISC 指令，叫做 Register-Memory 架构，在指令里可以混合使用内存地址和寄存器。
为了支持不同的架构，可以通过手写算法来生成目标代码，但这样工作量会很大，维护负担也比较严重。
另一种方法，就是编写"代码生成器的生成器"。也就是说，可以把CPU架构的各种信息(比如有哪些指令，指令的特点，有哪些寄存器等)描述出来，然后基于这些信息生成目标代码的生成器，就像根据语法规则，用ANTLR/bison这样的工具来生成语法解析器一样。
经过这样的处理，虽然生成的目标代码是架构相关的，但中间的处理算法却可以尽量做到与架构无关
生成目标代码时的优化工作
生成目标代码的过程要进行多步处理。
比如，前面的foo.c函数示例程序生成的汇编代码是不够优化的：它把参数信息从寄存器写到栈里，然后再从栈里加载到寄存器，用于计算。 实际上，改成更优化的算法，是不需要内存访问的，从而节省内存读写需要花费的大量时间。
那接下来了解下在目标代码生成过程中进行的优化处理，包括指令选择/寄存器分配/指令排序/基于机器代码的优化等步骤。在这个过程中，你会知道编译器的后端，是如何充分发挥硬件的性能的。
指令选择
指令选择，它的作用是在完成相同功能的情况下，选择代价更低的指令组合
为具体了解指令选择的作用，分享三个例子。
- 第一个例子：对于foo.c示例代码，在编译时加上
-O2指令，就会得到如下的优化代码：
#序曲
pushq %rbp
movq %rsp, %rbp
#函数体
leal 10(%rdi,%rsi), %eax
#尾声
popq %rbp
retq
它使用了lea指令，可以一次性完成三个数的相加，并把结果保存到%eax,这样一个lea指令，代替了三条指令(一条mov，两条add)，显然更优化
这揭示了我们生成代码时面临的一种情况：对于相同的源代码和 IR，编译器可以生成不同的指令，而我们要选择代价最低的那个。
- 第二个例子：对于
a[i]=b这样一条语句，要如何生成代码？
数组寻址逻辑，a[i]的地址就是从数组a的起始地址往后偏移i个单元。对于整型数组来说，a[i]的地址就是 a+i*4。
那完成这个赋值操作，需要两条指令：第一条指令是计算a[i]的地址；第二条指令是把b的值写到这个地址。
数组操作是最常见的现象，于是 x86 芯片专门提供了一种寻址方式，简化了数组的寻址，这就是间接内存访问。间接内存访问的完整形式是：偏移量（基址，索引值，字节数），其地址是：基址 + 索引值 * 字节数 + 偏移量。
所以，如果把 a 的地址放到 %rdi，i 的值放到 %rax，那么 a[i]的地址就是 (%rdi,%rax,4)。这样的话，a[i]=b 用一条 mov 指令就能完成
- 第三个例子：天天在用的 x86 家族的芯片，它支持很多不同的指令集，比如 SSE、AVX、FMA 等，每个指令集里都有能完成加减乘除运算的指令。当然，每个指令集适合使用的场景也不同，我们要根据情况选择最合适的指令。
会发现，优化后的算法对寄存器的使用也更加优化了
寄存器分配
优化后的代码，去掉了内存操作，直接基于寄存器做加法运算，比优化之间的运行速度要快很多。
同样的，ARM 的汇编代码也可以使用“-O2”指令优化。优化完毕以后，最后剩下的代码只有三行。而且因为不需要访问内存，所以连栈顶指针都不需要挪动，进一步减少了代码量。
add r0, r0, r1
add r0, r0, #10
bx lr
对于编译器来说，肯定要尽量利用寄存器，不去读写内存。因为内存读写对于 CPU 来说就是 IO，性能很低。特别是像函数中用到的本地变量和参数，它们在退出作用域以后就没用了，所以能放到寄存器里，就放寄存器里吧。
在 IR 中，通常我们会假设寄存器是无限的（就像 LLVM 的 IR），但实际 CPU 中的寄存器是有限的。所以，我们就要用一定的算法，把寄存器分配给使用最频繁的变量，比如循环中的变量。而对于超出物理寄存器数量的变量，则“溢出”到栈里，通过内存来保存。
寄存器分配的算法有很多种。一个使用比较广泛的算法是寄存器染色算法，它的特点是计算结果比较优化，但缺点是计算量比较大。
另一个常见的算法是线性扫描算法，它的优点是计算速度快，但缺点是有可能不够优化，适合需要编译速度比较快的场景，比如即时编译。
寄存器分配算法对性能的提升是非常显著的。接下来介绍的指令排序，对性能的提升同样非常显著。
指令排序
来看个例子，下面示例程序中的params函数，有6个参数：
int params(int x1,int x2,int x3,int x4,int x5,int x6）{
return x1 + x2 + x3 + x4 + x5 + x6 + 10;
}
把它编译成 ARM 汇编代码，如下：
//序曲
push {r11, lr} //把r11和lr保存到栈中，lr里面是返回地址
mov r11, sp //把栈顶地址保存到r11
//函数体
add r0, r0, r1 //把参数2加到参数1，保存在r0
ldr lr, [r11, #8] //把栈里的参数5加载到lr，这里是把lr当通用寄存器用
add r0, r0, r2 //把参数3加到r0
ldr r12, [r11, #12] //把栈里的参数6加载到r12
add r0, r0, r3 //把参数4加到r0
add r0, r0, lr //把参数5加到r0
add r0, r0, r12 //把参数6加到r0
add r0, r0, #10 //把立即数加到r0
//尾声
pop {r11, pc} //弹出栈里保存的值。注意，原来lr的值直接赋给了pc，也就是程序计数器，所以就跳转到了返回地址
根据编译时使用的调用约定，其中有 4 个参数是通过寄存器传递的（r0~r3），还有两个参数是在栈里传递的。
值得注意的是，在把参数 5 和参数 6 用于加法操作之前，它们就被提前执行加载（ldr）命令了。那，为什么会这样呢？这就涉及到 CPU 执行指令的一种内部机制：流水线（Pipeline）。
原来，CPU 内部是分成多个功能单元的。对于一条指令，每个功能单元处理完毕以后，交给下一个功能单元，然后它就可以接着再处理下一条指令。所以，在同一时刻，不同的功能单元实际上是在处理不同的指令。这样的话，多条指令实质上是并行执行的，从而减少了总的执行时间，这种并行叫做指令级并行。
在下面的示意图中，每个指令的执行被划分成了 5 个阶段，每个阶段占用一个时钟周期，如下图所示：
多功能单元并行：
因为每个时钟周期都可以开始执行一条新指令，所以虽然一条指令需要 5 个时钟周期才能执行完，但在同一个时刻，却可以有 5 条指令并行执行。
但是有的时候，指令之间会存在依赖关系，后一条指令必须等到前一条指令执行完毕才能运行（依赖分析，指令排序就会用到依赖分析的结果）。比如，前面的示例程序中，在使用参数 5 的值做加法之前，必须要等它加载到内存。这样的话，指令就不能并行了，执行时间就会大大延长。
缺少充分的并行，会导致总执行时间过长：
这就明白了，为什么在示例程序中，要把 ldr 指令提前执行，目的就是为了更好地利用流水线技术，实现指令级并行。
注：
现代一些 CISC 的 CPU 在硬件层面支持乱序执行（Out-of-Order）。一批指令给到 CPU 后，它也会在内部打乱顺序去优化执行。而** RISC 芯片一般不支持乱序执行**，所以像 ARM 这样的芯片，做指令排序就更加重要。
在代码优化一节中，提到循环优化的一种技术，叫做循环展开(Loop Unroll)，它会把循环体中的代码重复多次，与之对应的是减少循环次数。这样一个基本块中就会有更多条指令，增加了通过指令排序做优化的机会
窥孔优化(Peephole Optimization)
基于 LIR 或目标代码，代码还有被进一步优化的可能性。这就是代码优化的特点。
比如，你在前面做了常数折叠以后，后面的处理步骤修改了代码或生成新的代码以后，可能还会产生出新的常数折叠的机会。另外，有些优化也只有在目标代码的基础上才方便做。
举个例子：假设相邻两条指令，一条指令从寄存器保存数据到栈里，下一条指令又从栈里原封不动地把数据加载到原来的寄存器，那么这条加载指令就是冗余的，可以去掉。
str r0, [sp, #4] //把r0的值保存到栈顶+4的位置
ldr r0, [sp, #4] //把栈顶+4位置的值加载到r0寄存器
基于目标代码的优化，最常用的方法是窥孔优化（Peephole Optimization）。窥孔优化的思路，是提供一个固定大小的窗口，比如能够容纳 20 条指令，并检查窗口内的指令，看看是否可以优化。然后再往下滑动窗口，再次检查优化机会。
最后，还有一个因素会影响目标代码的生成，就是调用约定。
调用约定的影响
还记得前面示例的 x86 的汇编代码吗？其中的 %edi 寄存器用来传递第一个参数，%esi 寄存器用来传递第二个参数，这就是遵守了一种广泛用于 Unix 和 Linux 系统的调用约定“System V AMD64 ABI”。这个调用约定规定，对于整型参数，前 6 个参数可以用寄存器传递，6 个之后的参数就要基于栈来传递。
#序曲
pushq %rbp
movq %rsp, %rbp #%rbp是栈底指针
#函数体
movl %edi, -4(%rbp) #把第1个参数写到栈里第一个位置（偏移量为4）
movl %esi, -8(%rbp) #把第2个参数写到栈里第二个位置（偏移量为8）
movl -4(%rbp), %eax #把第1个参数写到%eax寄存器
addl -8(%rbp), %eax #把第2个参数加到%eax
addl $10, %eax #把立即数10加到%eax，%eax同时是放返回值的地方。
#尾声
popq %rbp
retq
注：
ABI 是 Application Binary Interface 的缩写，也就是应用程序的二进制接口。通常，ABI 里面除了规定调用约定外，还要包括二进制文件的格式、进程初始化的方式等更多内容。
而在看** ARM 的汇编代码** 时，会发现，它超过了 4 个参数就要通过栈来传递。实际上，它遵循的是一种不同 ABI，叫做 EABI（嵌入式应用程序二进制接口）。在调用 Clang 做编译的时候，-target 参数“armv7a-none-eabi”的最后一部分，就是指定了 EABI。
//序曲
sub sp, sp, #8 //把栈扩展8个字节，用于放两个参数，sp是栈顶指针
//函数体
str r0, [sp, #4] //把第1个参数写到栈顶+4的位置
str r1, [sp] //把第2个参数写到栈顶位置
ldr r0, [sp, #4] //把第1个参数从栈里加载到r0寄存器
ldr r1, [sp] //把第2个参数从站立加载到r1寄存器
add r0, r0, r1 //把r1加到r0,结果保存在r0
add r0, r0, #10 //把常量10加载到r0，结果保存在r0,r0也是放返回值的地方
//尾声
add sp, sp, #8 //缩减栈
bx lr //返回
后端处理的整体过程
介绍完了生成目标代码过程中所作的各种优化处理，怎样给他们串成一个整体呢？
典型的后端处理过程：
在实际实现时，我们通常是先做指令选择，然后做一次指令排序。在分配完寄存器以后，还要再做一次指令排序，因为寄存器分配算法会产生新的指令排序优化的机会。比如，一些变量会溢出到栈里，从而增加了一些内存访问指令。
这个处理过程，其实也是 IR 不断 lower 的过程。一开始是 MIR，在做了指令选择以后，就变成了具体架构相关的 LIR 了。在没做寄存器分配之前，我们在 LIR 中用到寄存器还是虚拟的，数量是无限的，做完分配以后，就变成具体的物理寄存器的名称了。
与机器相关的优化（如窥孔优化）也会穿插在整个过程中。最后一个步骤，是通过一个 Emit 目标代码的程序生成目标代码。因为 IR 已经被 lower 得很接近目标代码了，所以这个翻译程序是比较简单的。
小结
