深入理解PHP原理之Opcodes

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》

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.      & #160;      [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。

发布日期:
分类:PHP

发表评论

邮箱地址不会被公开。 必填项已用*标注