[InstCombine] Signed saturation patterns
[llvm-core.git] / docs / tutorial / MyFirstLanguageFrontend / LangImpl10.rst
blob789042b53d3a6add9c4161a91f596d1e4363cc97
1 :orphan:
3 ======================================================
4 Kaleidoscope: Conclusion and other useful LLVM tidbits
5 ======================================================
7 .. contents::
8    :local:
10 Tutorial Conclusion
11 ===================
13 Welcome to the final chapter of the "`Implementing a language with
14 LLVM <index.html>`_" tutorial. In the course of this tutorial, we have
15 grown our little Kaleidoscope language from being a useless toy, to
16 being a semi-interesting (but probably still useless) toy. :)
18 It is interesting to see how far we've come, and how little code it has
19 taken. We built the entire lexer, parser, AST, code generator, an
20 interactive run-loop (with a JIT!), and emitted debug information in
21 standalone executables - all in under 1000 lines of (non-comment/non-blank)
22 code.
24 Our little language supports a couple of interesting features: it
25 supports user defined binary and unary operators, it uses JIT
26 compilation for immediate evaluation, and it supports a few control flow
27 constructs with SSA construction.
29 Part of the idea of this tutorial was to show you how easy and fun it
30 can be to define, build, and play with languages. Building a compiler
31 need not be a scary or mystical process! Now that you've seen some of
32 the basics, I strongly encourage you to take the code and hack on it.
33 For example, try adding:
35 -  **global variables** - While global variables have questional value
36    in modern software engineering, they are often useful when putting
37    together quick little hacks like the Kaleidoscope compiler itself.
38    Fortunately, our current setup makes it very easy to add global
39    variables: just have value lookup check to see if an unresolved
40    variable is in the global variable symbol table before rejecting it.
41    To create a new global variable, make an instance of the LLVM
42    ``GlobalVariable`` class.
43 -  **typed variables** - Kaleidoscope currently only supports variables
44    of type double. This gives the language a very nice elegance, because
45    only supporting one type means that you never have to specify types.
46    Different languages have different ways of handling this. The easiest
47    way is to require the user to specify types for every variable
48    definition, and record the type of the variable in the symbol table
49    along with its Value\*.
50 -  **arrays, structs, vectors, etc** - Once you add types, you can start
51    extending the type system in all sorts of interesting ways. Simple
52    arrays are very easy and are quite useful for many different
53    applications. Adding them is mostly an exercise in learning how the
54    LLVM `getelementptr <../LangRef.html#getelementptr-instruction>`_ instruction
55    works: it is so nifty/unconventional, it `has its own
56    FAQ <../GetElementPtr.html>`_!
57 -  **standard runtime** - Our current language allows the user to access
58    arbitrary external functions, and we use it for things like "printd"
59    and "putchard". As you extend the language to add higher-level
60    constructs, often these constructs make the most sense if they are
61    lowered to calls into a language-supplied runtime. For example, if
62    you add hash tables to the language, it would probably make sense to
63    add the routines to a runtime, instead of inlining them all the way.
64 -  **memory management** - Currently we can only access the stack in
65    Kaleidoscope. It would also be useful to be able to allocate heap
66    memory, either with calls to the standard libc malloc/free interface
67    or with a garbage collector. If you would like to use garbage
68    collection, note that LLVM fully supports `Accurate Garbage
69    Collection <../GarbageCollection.html>`_ including algorithms that
70    move objects and need to scan/update the stack.
71 -  **exception handling support** - LLVM supports generation of `zero
72    cost exceptions <../ExceptionHandling.html>`_ which interoperate with
73    code compiled in other languages. You could also generate code by
74    implicitly making every function return an error value and checking
75    it. You could also make explicit use of setjmp/longjmp. There are
76    many different ways to go here.
77 -  **object orientation, generics, database access, complex numbers,
78    geometric programming, ...** - Really, there is no end of crazy
79    features that you can add to the language.
80 -  **unusual domains** - We've been talking about applying LLVM to a
81    domain that many people are interested in: building a compiler for a
82    specific language. However, there are many other domains that can use
83    compiler technology that are not typically considered. For example,
84    LLVM has been used to implement OpenGL graphics acceleration,
85    translate C++ code to ActionScript, and many other cute and clever
86    things. Maybe you will be the first to JIT compile a regular
87    expression interpreter into native code with LLVM?
89 Have fun - try doing something crazy and unusual. Building a language
90 like everyone else always has, is much less fun than trying something a
91 little crazy or off the wall and seeing how it turns out. If you get
92 stuck or want to talk about it, feel free to email the `llvm-dev mailing
93 list <http://lists.llvm.org/mailman/listinfo/llvm-dev>`_: it has lots
94 of people who are interested in languages and are often willing to help
95 out.
97 Before we end this tutorial, I want to talk about some "tips and tricks"
98 for generating LLVM IR. These are some of the more subtle things that
99 may not be obvious, but are very useful if you want to take advantage of
100 LLVM's capabilities.
102 Properties of the LLVM IR
103 =========================
105 We have a couple of common questions about code in the LLVM IR form -
106 let's just get these out of the way right now, shall we?
108 Target Independence
109 -------------------
111 Kaleidoscope is an example of a "portable language": any program written
112 in Kaleidoscope will work the same way on any target that it runs on.
113 Many other languages have this property, e.g. lisp, java, haskell,
114 javascript, python, etc (note that while these languages are portable,
115 not all their libraries are).
117 One nice aspect of LLVM is that it is often capable of preserving target
118 independence in the IR: you can take the LLVM IR for a
119 Kaleidoscope-compiled program and run it on any target that LLVM
120 supports, even emitting C code and compiling that on targets that LLVM
121 doesn't support natively. You can trivially tell that the Kaleidoscope
122 compiler generates target-independent code because it never queries for
123 any target-specific information when generating code.
125 The fact that LLVM provides a compact, target-independent,
126 representation for code gets a lot of people excited. Unfortunately,
127 these people are usually thinking about C or a language from the C
128 family when they are asking questions about language portability. I say
129 "unfortunately", because there is really no way to make (fully general)
130 C code portable, other than shipping the source code around (and of
131 course, C source code is not actually portable in general either - ever
132 port a really old application from 32- to 64-bits?).
134 The problem with C (again, in its full generality) is that it is heavily
135 laden with target specific assumptions. As one simple example, the
136 preprocessor often destructively removes target-independence from the
137 code when it processes the input text:
139 .. code-block:: c
141     #ifdef __i386__
142       int X = 1;
143     #else
144       int X = 42;
145     #endif
147 While it is possible to engineer more and more complex solutions to
148 problems like this, it cannot be solved in full generality in a way that
149 is better than shipping the actual source code.
151 That said, there are interesting subsets of C that can be made portable.
152 If you are willing to fix primitive types to a fixed size (say int =
153 32-bits, and long = 64-bits), don't care about ABI compatibility with
154 existing binaries, and are willing to give up some other minor features,
155 you can have portable code. This can make sense for specialized domains
156 such as an in-kernel language.
158 Safety Guarantees
159 -----------------
161 Many of the languages above are also "safe" languages: it is impossible
162 for a program written in Java to corrupt its address space and crash the
163 process (assuming the JVM has no bugs). Safety is an interesting
164 property that requires a combination of language design, runtime
165 support, and often operating system support.
167 It is certainly possible to implement a safe language in LLVM, but LLVM
168 IR does not itself guarantee safety. The LLVM IR allows unsafe pointer
169 casts, use after free bugs, buffer over-runs, and a variety of other
170 problems. Safety needs to be implemented as a layer on top of LLVM and,
171 conveniently, several groups have investigated this. Ask on the `llvm-dev
172 mailing list <http://lists.llvm.org/mailman/listinfo/llvm-dev>`_ if
173 you are interested in more details.
175 Language-Specific Optimizations
176 -------------------------------
178 One thing about LLVM that turns off many people is that it does not
179 solve all the world's problems in one system.  One specific
180 complaint is that people perceive LLVM as being incapable of performing
181 high-level language-specific optimization: LLVM "loses too much
182 information".  Here are a few observations about this:
184 First, you're right that LLVM does lose information. For example, as of
185 this writing, there is no way to distinguish in the LLVM IR whether an
186 SSA-value came from a C "int" or a C "long" on an ILP32 machine (other
187 than debug info). Both get compiled down to an 'i32' value and the
188 information about what it came from is lost. The more general issue
189 here, is that the LLVM type system uses "structural equivalence" instead
190 of "name equivalence". Another place this surprises people is if you
191 have two types in a high-level language that have the same structure
192 (e.g. two different structs that have a single int field): these types
193 will compile down into a single LLVM type and it will be impossible to
194 tell what it came from.
196 Second, while LLVM does lose information, LLVM is not a fixed target: we
197 continue to enhance and improve it in many different ways. In addition
198 to adding new features (LLVM did not always support exceptions or debug
199 info), we also extend the IR to capture important information for
200 optimization (e.g. whether an argument is sign or zero extended,
201 information about pointers aliasing, etc). Many of the enhancements are
202 user-driven: people want LLVM to include some specific feature, so they
203 go ahead and extend it.
205 Third, it is *possible and easy* to add language-specific optimizations,
206 and you have a number of choices in how to do it. As one trivial
207 example, it is easy to add language-specific optimization passes that
208 "know" things about code compiled for a language. In the case of the C
209 family, there is an optimization pass that "knows" about the standard C
210 library functions. If you call "exit(0)" in main(), it knows that it is
211 safe to optimize that into "return 0;" because C specifies what the
212 'exit' function does.
214 In addition to simple library knowledge, it is possible to embed a
215 variety of other language-specific information into the LLVM IR. If you
216 have a specific need and run into a wall, please bring the topic up on
217 the llvm-dev list. At the very worst, you can always treat LLVM as if it
218 were a "dumb code generator" and implement the high-level optimizations
219 you desire in your front-end, on the language-specific AST.
221 Tips and Tricks
222 ===============
224 There is a variety of useful tips and tricks that you come to know after
225 working on/with LLVM that aren't obvious at first glance. Instead of
226 letting everyone rediscover them, this section talks about some of these
227 issues.
229 Implementing portable offsetof/sizeof
230 -------------------------------------
232 One interesting thing that comes up, if you are trying to keep the code
233 generated by your compiler "target independent", is that you often need
234 to know the size of some LLVM type or the offset of some field in an
235 llvm structure. For example, you might need to pass the size of a type
236 into a function that allocates memory.
238 Unfortunately, this can vary widely across targets: for example the
239 width of a pointer is trivially target-specific. However, there is a
240 `clever way to use the getelementptr
241 instruction <http://nondot.org/sabre/LLVMNotes/SizeOf-OffsetOf-VariableSizedStructs.txt>`_
242 that allows you to compute this in a portable way.
244 Garbage Collected Stack Frames
245 ------------------------------
247 Some languages want to explicitly manage their stack frames, often so
248 that they are garbage collected or to allow easy implementation of
249 closures. There are often better ways to implement these features than
250 explicit stack frames, but `LLVM does support
251 them, <http://nondot.org/sabre/LLVMNotes/ExplicitlyManagedStackFrames.txt>`_
252 if you want. It requires your front-end to convert the code into
253 `Continuation Passing
254 Style <http://en.wikipedia.org/wiki/Continuation-passing_style>`_ and
255 the use of tail calls (which LLVM also supports).