[llvm-exegesis][NFC] Return many CodeTemplates instead of one.
[llvm-complete.git] / docs / tutorial / LangImpl09.rst
blobd81f9fa0001cf6eaab6f8471e9e490befb9cea00
1 ======================================
2 Kaleidoscope: Adding Debug Information
3 ======================================
5 .. contents::
6    :local:
8 Chapter 9 Introduction
9 ======================
11 Welcome to Chapter 9 of the "`Implementing a language with
12 LLVM <index.html>`_" tutorial. In chapters 1 through 8, we've built a
13 decent little programming language with functions and variables.
14 What happens if something goes wrong though, how do you debug your
15 program?
17 Source level debugging uses formatted data that helps a debugger
18 translate from binary and the state of the machine back to the
19 source that the programmer wrote. In LLVM we generally use a format
20 called `DWARF <http://dwarfstd.org>`_. DWARF is a compact encoding
21 that represents types, source locations, and variable locations.
23 The short summary of this chapter is that we'll go through the
24 various things you have to add to a programming language to
25 support debug info, and how you translate that into DWARF.
27 Caveat: For now we can't debug via the JIT, so we'll need to compile
28 our program down to something small and standalone. As part of this
29 we'll make a few modifications to the running of the language and
30 how programs are compiled. This means that we'll have a source file
31 with a simple program written in Kaleidoscope rather than the
32 interactive JIT. It does involve a limitation that we can only
33 have one "top level" command at a time to reduce the number of
34 changes necessary.
36 Here's the sample program we'll be compiling:
38 .. code-block:: python
40    def fib(x)
41      if x < 3 then
42        1
43      else
44        fib(x-1)+fib(x-2);
46    fib(10)
49 Why is this a hard problem?
50 ===========================
52 Debug information is a hard problem for a few different reasons - mostly
53 centered around optimized code. First, optimization makes keeping source
54 locations more difficult. In LLVM IR we keep the original source location
55 for each IR level instruction on the instruction. Optimization passes
56 should keep the source locations for newly created instructions, but merged
57 instructions only get to keep a single location - this can cause jumping
58 around when stepping through optimized programs. Secondly, optimization
59 can move variables in ways that are either optimized out, shared in memory
60 with other variables, or difficult to track. For the purposes of this
61 tutorial we're going to avoid optimization (as you'll see with one of the
62 next sets of patches).
64 Ahead-of-Time Compilation Mode
65 ==============================
67 To highlight only the aspects of adding debug information to a source
68 language without needing to worry about the complexities of JIT debugging
69 we're going to make a few changes to Kaleidoscope to support compiling
70 the IR emitted by the front end into a simple standalone program that
71 you can execute, debug, and see results.
73 First we make our anonymous function that contains our top level
74 statement be our "main":
76 .. code-block:: udiff
78   -    auto Proto = llvm::make_unique<PrototypeAST>("", std::vector<std::string>());
79   +    auto Proto = llvm::make_unique<PrototypeAST>("main", std::vector<std::string>());
81 just with the simple change of giving it a name.
83 Then we're going to remove the command line code wherever it exists:
85 .. code-block:: udiff
87   @@ -1129,7 +1129,6 @@ static void HandleTopLevelExpression() {
88    /// top ::= definition | external | expression | ';'
89    static void MainLoop() {
90      while (1) {
91   -    fprintf(stderr, "ready> ");
92        switch (CurTok) {
93        case tok_eof:
94          return;
95   @@ -1184,7 +1183,6 @@ int main() {
96      BinopPrecedence['*'] = 40; // highest.
98      // Prime the first token.
99   -  fprintf(stderr, "ready> ");
100      getNextToken();
102 Lastly we're going to disable all of the optimization passes and the JIT so
103 that the only thing that happens after we're done parsing and generating
104 code is that the LLVM IR goes to standard error:
106 .. code-block:: udiff
108   @@ -1108,17 +1108,8 @@ static void HandleExtern() {
109    static void HandleTopLevelExpression() {
110      // Evaluate a top-level expression into an anonymous function.
111      if (auto FnAST = ParseTopLevelExpr()) {
112   -    if (auto *FnIR = FnAST->codegen()) {
113   -      // We're just doing this to make sure it executes.
114   -      TheExecutionEngine->finalizeObject();
115   -      // JIT the function, returning a function pointer.
116   -      void *FPtr = TheExecutionEngine->getPointerToFunction(FnIR);
117   -
118   -      // Cast it to the right type (takes no arguments, returns a double) so we
119   -      // can call it as a native function.
120   -      double (*FP)() = (double (*)())(intptr_t)FPtr;
121   -      // Ignore the return value for this.
122   -      (void)FP;
123   +    if (!F->codegen()) {
124   +      fprintf(stderr, "Error generating code for top level expr");
125        }
126      } else {
127        // Skip token for error recovery.
128   @@ -1439,11 +1459,11 @@ int main() {
129      // target lays out data structures.
130      TheModule->setDataLayout(TheExecutionEngine->getDataLayout());
131      OurFPM.add(new DataLayoutPass());
132   +#if 0
133      OurFPM.add(createBasicAliasAnalysisPass());
134      // Promote allocas to registers.
135      OurFPM.add(createPromoteMemoryToRegisterPass());
136   @@ -1218,7 +1210,7 @@ int main() {
137      OurFPM.add(createGVNPass());
138      // Simplify the control flow graph (deleting unreachable blocks, etc).
139      OurFPM.add(createCFGSimplificationPass());
140   -
141   +  #endif
142      OurFPM.doInitialization();
144      // Set the global so the code gen can use this.
146 This relatively small set of changes get us to the point that we can compile
147 our piece of Kaleidoscope language down to an executable program via this
148 command line:
150 .. code-block:: bash
152   Kaleidoscope-Ch9 < fib.ks | & clang -x ir -
154 which gives an a.out/a.exe in the current working directory.
156 Compile Unit
157 ============
159 The top level container for a section of code in DWARF is a compile unit.
160 This contains the type and function data for an individual translation unit
161 (read: one file of source code). So the first thing we need to do is
162 construct one for our fib.ks file.
164 DWARF Emission Setup
165 ====================
167 Similar to the ``IRBuilder`` class we have a
168 `DIBuilder <http://llvm.org/doxygen/classllvm_1_1DIBuilder.html>`_ class
169 that helps in constructing debug metadata for an LLVM IR file. It
170 corresponds 1:1 similarly to ``IRBuilder`` and LLVM IR, but with nicer names.
171 Using it does require that you be more familiar with DWARF terminology than
172 you needed to be with ``IRBuilder`` and ``Instruction`` names, but if you
173 read through the general documentation on the
174 `Metadata Format <http://llvm.org/docs/SourceLevelDebugging.html>`_ it
175 should be a little more clear. We'll be using this class to construct all
176 of our IR level descriptions. Construction for it takes a module so we
177 need to construct it shortly after we construct our module. We've left it
178 as a global static variable to make it a bit easier to use.
180 Next we're going to create a small container to cache some of our frequent
181 data. The first will be our compile unit, but we'll also write a bit of
182 code for our one type since we won't have to worry about multiple typed
183 expressions:
185 .. code-block:: c++
187   static DIBuilder *DBuilder;
189   struct DebugInfo {
190     DICompileUnit *TheCU;
191     DIType *DblTy;
193     DIType *getDoubleTy();
194   } KSDbgInfo;
196   DIType *DebugInfo::getDoubleTy() {
197     if (DblTy)
198       return DblTy;
200     DblTy = DBuilder->createBasicType("double", 64, dwarf::DW_ATE_float);
201     return DblTy;
202   }
204 And then later on in ``main`` when we're constructing our module:
206 .. code-block:: c++
208   DBuilder = new DIBuilder(*TheModule);
210   KSDbgInfo.TheCU = DBuilder->createCompileUnit(
211       dwarf::DW_LANG_C, DBuilder->createFile("fib.ks", "."),
212       "Kaleidoscope Compiler", 0, "", 0);
214 There are a couple of things to note here. First, while we're producing a
215 compile unit for a language called Kaleidoscope we used the language
216 constant for C. This is because a debugger wouldn't necessarily understand
217 the calling conventions or default ABI for a language it doesn't recognize
218 and we follow the C ABI in our LLVM code generation so it's the closest
219 thing to accurate. This ensures we can actually call functions from the
220 debugger and have them execute. Secondly, you'll see the "fib.ks" in the
221 call to ``createCompileUnit``. This is a default hard coded value since
222 we're using shell redirection to put our source into the Kaleidoscope
223 compiler. In a usual front end you'd have an input file name and it would
224 go there.
226 One last thing as part of emitting debug information via DIBuilder is that
227 we need to "finalize" the debug information. The reasons are part of the
228 underlying API for DIBuilder, but make sure you do this near the end of
229 main:
231 .. code-block:: c++
233   DBuilder->finalize();
235 before you dump out the module.
237 Functions
238 =========
240 Now that we have our ``Compile Unit`` and our source locations, we can add
241 function definitions to the debug info. So in ``PrototypeAST::codegen()`` we
242 add a few lines of code to describe a context for our subprogram, in this
243 case the "File", and the actual definition of the function itself.
245 So the context:
247 .. code-block:: c++
249   DIFile *Unit = DBuilder->createFile(KSDbgInfo.TheCU.getFilename(),
250                                       KSDbgInfo.TheCU.getDirectory());
252 giving us an DIFile and asking the ``Compile Unit`` we created above for the
253 directory and filename where we are currently. Then, for now, we use some
254 source locations of 0 (since our AST doesn't currently have source location
255 information) and construct our function definition:
257 .. code-block:: c++
259   DIScope *FContext = Unit;
260   unsigned LineNo = 0;
261   unsigned ScopeLine = 0;
262   DISubprogram *SP = DBuilder->createFunction(
263       FContext, P.getName(), StringRef(), Unit, LineNo,
264       CreateFunctionType(TheFunction->arg_size(), Unit),
265       false /* internal linkage */, true /* definition */, ScopeLine,
266       DINode::FlagPrototyped, false);
267   TheFunction->setSubprogram(SP);
269 and we now have an DISubprogram that contains a reference to all of our
270 metadata for the function.
272 Source Locations
273 ================
275 The most important thing for debug information is accurate source location -
276 this makes it possible to map your source code back. We have a problem though,
277 Kaleidoscope really doesn't have any source location information in the lexer
278 or parser so we'll need to add it.
280 .. code-block:: c++
282    struct SourceLocation {
283      int Line;
284      int Col;
285    };
286    static SourceLocation CurLoc;
287    static SourceLocation LexLoc = {1, 0};
289    static int advance() {
290      int LastChar = getchar();
292      if (LastChar == '\n' || LastChar == '\r') {
293        LexLoc.Line++;
294        LexLoc.Col = 0;
295      } else
296        LexLoc.Col++;
297      return LastChar;
298    }
300 In this set of code we've added some functionality on how to keep track of the
301 line and column of the "source file". As we lex every token we set our current
302 current "lexical location" to the assorted line and column for the beginning
303 of the token. We do this by overriding all of the previous calls to
304 ``getchar()`` with our new ``advance()`` that keeps track of the information
305 and then we have added to all of our AST classes a source location:
307 .. code-block:: c++
309    class ExprAST {
310      SourceLocation Loc;
312      public:
313        ExprAST(SourceLocation Loc = CurLoc) : Loc(Loc) {}
314        virtual ~ExprAST() {}
315        virtual Value* codegen() = 0;
316        int getLine() const { return Loc.Line; }
317        int getCol() const { return Loc.Col; }
318        virtual raw_ostream &dump(raw_ostream &out, int ind) {
319          return out << ':' << getLine() << ':' << getCol() << '\n';
320        }
322 that we pass down through when we create a new expression:
324 .. code-block:: c++
326    LHS = llvm::make_unique<BinaryExprAST>(BinLoc, BinOp, std::move(LHS),
327                                           std::move(RHS));
329 giving us locations for each of our expressions and variables.
331 To make sure that every instruction gets proper source location information,
332 we have to tell ``Builder`` whenever we're at a new source location.
333 We use a small helper function for this:
335 .. code-block:: c++
337   void DebugInfo::emitLocation(ExprAST *AST) {
338     DIScope *Scope;
339     if (LexicalBlocks.empty())
340       Scope = TheCU;
341     else
342       Scope = LexicalBlocks.back();
343     Builder.SetCurrentDebugLocation(
344         DebugLoc::get(AST->getLine(), AST->getCol(), Scope));
345   }
347 This both tells the main ``IRBuilder`` where we are, but also what scope
348 we're in. The scope can either be on compile-unit level or be the nearest
349 enclosing lexical block like the current function.
350 To represent this we create a stack of scopes:
352 .. code-block:: c++
354    std::vector<DIScope *> LexicalBlocks;
356 and push the scope (function) to the top of the stack when we start
357 generating the code for each function:
359 .. code-block:: c++
361   KSDbgInfo.LexicalBlocks.push_back(SP);
363 Also, we may not forget to pop the scope back off of the scope stack at the
364 end of the code generation for the function:
366 .. code-block:: c++
368   // Pop off the lexical block for the function since we added it
369   // unconditionally.
370   KSDbgInfo.LexicalBlocks.pop_back();
372 Then we make sure to emit the location every time we start to generate code
373 for a new AST object:
375 .. code-block:: c++
377    KSDbgInfo.emitLocation(this);
379 Variables
380 =========
382 Now that we have functions, we need to be able to print out the variables
383 we have in scope. Let's get our function arguments set up so we can get
384 decent backtraces and see how our functions are being called. It isn't
385 a lot of code, and we generally handle it when we're creating the
386 argument allocas in ``FunctionAST::codegen``.
388 .. code-block:: c++
390     // Record the function arguments in the NamedValues map.
391     NamedValues.clear();
392     unsigned ArgIdx = 0;
393     for (auto &Arg : TheFunction->args()) {
394       // Create an alloca for this variable.
395       AllocaInst *Alloca = CreateEntryBlockAlloca(TheFunction, Arg.getName());
397       // Create a debug descriptor for the variable.
398       DILocalVariable *D = DBuilder->createParameterVariable(
399           SP, Arg.getName(), ++ArgIdx, Unit, LineNo, KSDbgInfo.getDoubleTy(),
400           true);
402       DBuilder->insertDeclare(Alloca, D, DBuilder->createExpression(),
403                               DebugLoc::get(LineNo, 0, SP),
404                               Builder.GetInsertBlock());
406       // Store the initial value into the alloca.
407       Builder.CreateStore(&Arg, Alloca);
409       // Add arguments to variable symbol table.
410       NamedValues[Arg.getName()] = Alloca;
411     }
414 Here we're first creating the variable, giving it the scope (``SP``),
415 the name, source location, type, and since it's an argument, the argument
416 index. Next, we create an ``lvm.dbg.declare`` call to indicate at the IR
417 level that we've got a variable in an alloca (and it gives a starting
418 location for the variable), and setting a source location for the
419 beginning of the scope on the declare.
421 One interesting thing to note at this point is that various debuggers have
422 assumptions based on how code and debug information was generated for them
423 in the past. In this case we need to do a little bit of a hack to avoid
424 generating line information for the function prologue so that the debugger
425 knows to skip over those instructions when setting a breakpoint. So in
426 ``FunctionAST::CodeGen`` we add some more lines:
428 .. code-block:: c++
430   // Unset the location for the prologue emission (leading instructions with no
431   // location in a function are considered part of the prologue and the debugger
432   // will run past them when breaking on a function)
433   KSDbgInfo.emitLocation(nullptr);
435 and then emit a new location when we actually start generating code for the
436 body of the function:
438 .. code-block:: c++
440   KSDbgInfo.emitLocation(Body.get());
442 With this we have enough debug information to set breakpoints in functions,
443 print out argument variables, and call functions. Not too bad for just a
444 few simple lines of code!
446 Full Code Listing
447 =================
449 Here is the complete code listing for our running example, enhanced with
450 debug information. To build this example, use:
452 .. code-block:: bash
454     # Compile
455     clang++ -g toy.cpp `llvm-config --cxxflags --ldflags --system-libs --libs core mcjit native` -O3 -o toy
456     # Run
457     ./toy
459 Here is the code:
461 .. literalinclude:: ../../examples/Kaleidoscope/Chapter9/toy.cpp
462    :language: c++
464 `Next: Conclusion and other useful LLVM tidbits <LangImpl10.html>`_