2.1 PHP 7語言的執行原理

我們常用的高級語言有很多種，比較出名的有C\C++、Python、PHP、Go、Pascal等。而這些語言根據運行的方式不同，大體分為兩種：編譯型語言和解釋型語言。

其中，編譯型語言包括C\C++、Pascal、Go等。這里說的編譯是指在應用源程序執行之前，就將程序源代碼“翻譯”成匯編語言，然后進一步根據軟硬件環境編譯成目標文件。一般稱完成編譯工作的工具為編譯器。而解釋型語言，在程序運行時才被“翻譯”為機器語言。但是執行一次“翻譯”一次，所以執行效率較低。解釋器的工作就是解釋型語言中，負責“翻譯”源代碼的程序。

下面會更詳細地討論一下編譯型語言和解釋型語言的運行方式。

2.1.1 編譯型語言與解釋型語言

我們知道，對于一段C語言代碼，需要經過預編譯、編譯、匯編和鏈接，才能成為可執行的二進制文件。以hello.c為例：

    #include<stdio.h>
    int main(){
        printf("hello world");
        return 1;
    }

對于這段C代碼，main是程序入口函數，實現的功能是打印字符串“hello world”到屏幕上。編譯和執行過程如圖2-1所示。

第1步：C語言代碼預處理（比如依賴處理、宏替換等）。如以上代碼示例，#inlcude<stdio.h>就會在預處理階段被替換。

第2步：編譯。編譯器會把C語言翻譯成匯編語言程序，一條C語言通常編譯為多條匯編代碼。同時編譯器會對程序進行優化，生成目標匯編程序。

第3步：編譯得到的匯編語言通過匯編器再匯編成目標程序hello.o。

第4步：鏈接。程序中往往包含一些共享目標文件，如示例程序中的printf()函數，位于靜態庫，需要經過鏈接器（如Uinx連接器ld）進行鏈接。

以C語言為代表的編譯型語言，代碼發生更新都要經過以上步驟。

我們在本章對編譯型語言與解釋型語言的區別的理解，立足于源代碼被編譯成目標平臺CPU指令的時機。對于編譯型語言，編譯結果已經是針對當前CPU體系的指令；而解釋型語言，需要先編譯成中間代碼，再經由該解釋型語言的特定虛擬機，翻譯成特定CPU體系的指令被執行。解釋型語言是在運行過程中，翻譯為目標平臺的指令。常說解釋型語言“慢”，主要也是慢在這里。

在PHP 7中，源代碼首先進行詞法分析，將源代碼切割為多個字符串單元，分割后的字符串稱為Token。而一個一個獨立的Token是無法表達完整語義的，需經過語法分析階段，將Token轉換為抽象語法樹（簡稱AST）。之后，抽象語法樹被轉換為機器指令執行。在PHP中，這些指令稱為opcode（后文會對opcode做更詳細的解釋，此處讀者可以將其看待為CPU指令）。

到AST的生成這一步，編譯型語言與解釋型語言所需經歷的過程相似。從抽象語法樹之后開始產生差異。

圖2-2是執行PHP（如無特殊說明，本章提到的PHP均為PHP 7版本）代碼的簡化步驟，其中最后一步的左側分支是編譯型語言的過程。

第1步：源碼通過詞法分析得到Token。

第2步：基于語法分析器生成抽象語法樹（AST）。

第3步：抽象語法樹轉換為opcodes（opcode指令集合）, PHP解釋執行opcodes。

接下來在基本步驟的基礎上，細化PHP語言的執行原理，以便更清晰地建立認知。

2.1.2 PHP 7的執行原理概述

首先補充說明前文提到的PHP 7程序執行過程，請見圖2-3。

第1步：詞法分析將PHP代碼轉換為有意義的標識Token。該步驟的詞法分析器使用Re2c實現。

第2步：語法分析將Token和符合文法規則的代碼生成抽象語法樹。語法分析器基于Bison實現。語法分析使用了BNF（Backus-Naur Form，巴科斯范式）來表達文法規則，Bison借助狀態機、狀態轉移表和壓棧、出棧等一系列操作，生成抽象語法樹。

第3步：上步的抽象語法樹生成對應的opcode，并被虛擬機執行。opcode是PHP 7定義的一組指令標識，指令對應著相應的handler（處理函數）。當虛擬機調用opcode，會找到opcode背后的處理函數，執行真正的處理。以常見的echo語句為例，其對應的opcode便是ZEND_ECHO。

下面通過一段示例代碼，來建立PHP 7運轉的初步理解。

示例代碼如下：

    <? php
    echo "hello world";

從圖2-3可知，這段代碼首先會被切割為Token。

1. Token

Token是PHP代碼被切割成的有意義的標識。本書介紹的PHP 7版本中有137種Token，在zend_language_parser.h文件中做了定義：

    /＊ Tokens.  ＊/
    #define END 0
    #define T_INCLUDE 258
    #define T_INCLUDE_ONCE 259
    …
    #define T_ERROR 392

更多Token的含義，感興趣的讀者可以參考附錄B。

PHP提供了token_get_all()函數來獲取PHP代碼被切割后的Token，可以在深入源碼學習前，粗略查看PHP代碼被切割后的Token。對于如下代碼片段：

    /home/vagrant/php7/bin/php -r 'print_r(Token_get_all
    ("<? php echo \"hello world\"; ")); '

輸出結果為：

    Array
(
    [0] => Array
        (
            [0] => 379
            [1] => <? php
            [2] => 1
        )
    [1] => Array
        (
            [0] => 328
            [1] => echo
            [2] => 1
        )
    [2] => Array
        (
            [0] => 382
            [1] =>
            [2] => 1
        )
    [3] => Array
        (
            [0] => 323
            [1] => "hello world"
            [2] => 1
        )
    [4] => ;
)

其中，二維數組的每個成員數組的第一個值為Token對應的枚舉值。第二個值為Token對應的原始字符串內容。第三個值為代碼對應的行號。可以看出，詞法解析器將“<? php echo "hello world"; ”這段文本內容切分成了4部分。

1）文本“<? php”，切割后對應的Token值為379，參考PHP 7中的源碼：

    #define T_OPEN_TAG 379

不難理解，它是PHP代碼的起始tag，也就是<? php標識。

2）echo對應的Token是T_ECHO：

    #define T_ECHO 328

3）源碼中的空格，對應的Token為T_WHITESPACE，值為382：

    #define T_WHITESPACE 382

4）字符串"hello world"，對應的Token值為323：

    #define T_CONSTANT_ENCAPSED_STRING 323

可見，Token就是一個個的“詞塊”，但是單獨存在的詞塊不能表達完整的語義，還需要借助規則進行組織串聯。語法分析器就是這個組織者。它會檢查語法，匹配Token，對Token進行關聯。

PHP 7中，組織串聯的產物就是AST（Abstract Syntax Tree，抽象語法樹）。

2. AST

AST是PHP 7版本新特性。在這之前的版本中，PHP代碼的執行過程中是沒有生成AST這一步的。PHP 7對抽象語法樹的支持，實現了PHP編譯器和解釋器解耦，有效提升了可維護性。

顧名思義，抽象語法樹具有樹狀結構。AST的節點分為多種類型，對應著PHP語法。在當前章節，我們可以認為節點類型是對語法規則的抽象，例如賦值語句，生成的抽象語法樹節點為ZEND_AST_ASSIGN。而賦值語句的左右操作數又將作為ZEND_AST_ASSIGN類型節點的孩子。通過這樣的節點關系，構建出抽象語法樹。

如果讀者希望一睹為快，可以直接跳到本書第13章，其中圖片描繪了一段簡單的PHP代碼生成的抽象語法樹。

這里介紹PHP-Parser工具，它可以用來查看PHP代碼生成的AST。

更多關于抽象語法樹的介紹，將在后續章節展開。

3. opcodes

AST扮演了源碼到中間代碼的臨時存儲介質的角色，還需要將其轉換為opcode，才能被引擎直接執行。opcode只是單條指令，opcodes是opcode的集合形式，是PHP執行過程中的中間代碼，類似Java中的字節碼。opcode生成之后由虛擬機執行。

我們知道，PHP工程優化措施中有一個比較常見的“開啟opcache”，指的就是這里的opcodes的緩存（opcodes cache）。通過省去從源碼到opcode的階段，引擎可以直接執行緩存的opcode，以此提升性能。

借助vld插件，可以直觀地看到一段PHP代碼生成的opcode：

    php -dvld.active=1 hello.php

經過過濾整理，對應的opcode為：

    line     op
      1      ECHO
      2      RETURN

其實在源碼實現中，上述代碼生成的opcode及handler為：

    ZEND_ECHO          // handler: ZEND_ECHO_SPEC_CONST_HANDLER
    ZEND_RETURN        // handler: ZEND_RETURN_SPEC_CONST_HANDLER

可見，ZEND_ECHO對應的handler是ZEND_ECHO_SPEC_CONST_HANDLER。此handler實現的功能便是預期的“hello world”語句的輸出。

在本書的PHP版本中，內核在zend_vm_opcodes.h中定義了186種opcodes，也可以參考本書附錄B。