PHP 7底层设计与源码实现
上QQ阅读APP看书，第一时间看更新
上一章目录下一章

2.1 PHP 7语言的执行原理

我们常用的高级语言有很多种，比较出名的有C\C++、Python、PHP、Go、Pascal等。而这些语言根据运行的方式不同，大体分为两种：编译型语言和解释型语言。

其中，编译型语言包括C\C++、Pascal、Go等。这里说的编译是指在应用源程序执行之前，就将程序源代码“翻译”成汇编语言，然后进一步根据软硬件环境编译成目标文件。一般称完成编译工作的工具为编译器。而解释型语言，在程序运行时才被“翻译”为机器语言。但是执行一次“翻译”一次，所以执行效率较低。解释器的工作就是解释型语言中，负责“翻译”源代码的程序。

下面会更详细地讨论一下编译型语言和解释型语言的运行方式。

2.1.1 编译型语言与解释型语言

我们知道，对于一段C语言代码，需要经过预编译、编译、汇编和链接，才能成为可执行的二进制文件。以hello.c为例：

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

图2-1 编译型语言的执行示意

对于这段C代码，main是程序入口函数，实现的功能是打印字符串“hello world”到屏幕上。编译和执行过程如图2-1所示。

第1步：C语言代码预处理（比如依赖处理、宏替换等）。如以上代码示例，#inlcude<stdio.h>就会在预处理阶段被替换。

第2步：编译。编译器会把C语言翻译成汇编语言程序，一条C语言通常编译为多条汇编代码。同时编译器会对程序进行优化，生成目标汇编程序。

第3步：编译得到的汇编语言通过汇编器再汇编成目标程序hello.o。

第4步：链接。程序中往往包含一些共享目标文件，如示例程序中的printf()函数，位于静态库，需要经过链接器（如Uinx连接器ld）进行链接。

以C语言为代表的编译型语言，代码发生更新都要经过以上步骤。

我们在本章对编译型语言与解释型语言的区别的理解，立足于源代码被编译成目标平台CPU指令的时机。对于编译型语言，编译结果已经是针对当前CPU体系的指令；而解释型语言，需要先编译成中间代码，再经由该解释型语言的特定虚拟机，翻译成特定CPU体系的指令被执行。解释型语言是在运行过程中，翻译为目标平台的指令。常说解释型语言“慢”，主要也是慢在这里。

在PHP 7中，源代码首先进行词法分析，将源代码切割为多个字符串单元，分割后的字符串称为Token。而一个一个独立的Token是无法表达完整语义的，需经过语法分析阶段，将Token转换为抽象语法树（简称AST）。之后，抽象语法树被转换为机器指令执行。在PHP中，这些指令称为opcode（后文会对opcode做更详细的解释，此处读者可以将其看待为CPU指令）。

到AST的生成这一步，编译型语言与解释型语言所需经历的过程相似。从抽象语法树之后开始产生差异。

图2-2 以PHP为例，解释型语言的执行示意

图2-2是执行PHP（如无特殊说明，本章提到的PHP均为PHP 7版本）代码的简化步骤，其中最后一步的左侧分支是编译型语言的过程。

第1步：源码通过词法分析得到Token。

第2步：基于语法分析器生成抽象语法树（AST）。

第3步：抽象语法树转换为opcodes（opcode指令集合）, PHP解释执行opcodes。

接下来在基本步骤的基础上，细化PHP语言的执行原理，以便更清晰地建立认知。

2.1.2 PHP 7的执行原理概述

图2-3 PHP 7程序的执行过程

首先补充说明前文提到的PHP 7程序执行过程，请见图2-3。

第1步：词法分析将PHP代码转换为有意义的标识Token。该步骤的词法分析器使用Re2c实现。

第2步：语法分析将Token和符合文法规则的代码生成抽象语法树。语法分析器基于Bison实现。语法分析使用了BNF（Backus-Naur Form，巴科斯范式）来表达文法规则，Bison借助状态机、状态转移表和压栈、出栈等一系列操作，生成抽象语法树。

第3步：上步的抽象语法树生成对应的opcode，并被虚拟机执行。opcode是PHP 7定义的一组指令标识，指令对应着相应的handler（处理函数）。当虚拟机调用opcode，会找到opcode背后的处理函数，执行真正的处理。以常见的echo语句为例，其对应的opcode便是ZEND_ECHO。

注意

这里为了便于理解词法分析和语法分析过程，将两者分开描述。但实际情况下，出于效率考虑，两个过程并非完全独立。

下面通过一段示例代码，来建立PHP 7运转的初步理解。

示例代码如下：

    <? php
    echo "hello world";

从图2-3可知，这段代码首先会被切割为Token。

1. Token

Token是PHP代码被切割成的有意义的标识。本书介绍的PHP 7版本中有137种Token，在zend_language_parser.h文件中做了定义：

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

更多Token的含义，感兴趣的读者可以参考附录B。

PHP提供了token_get_all()函数来获取PHP代码被切割后的Token，可以在深入源码学习前，粗略查看PHP代码被切割后的Token。对于如下代码片段：

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

输出结果为：

    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，二维数组的每个成员数组的第一个值为Token对应的枚举值。第二个值为Token对应的原始字符串内容。第三个值为代码对应的行号。可以看出，词法解析器将“<? php echo "hello world"; ”这段文本内容切分成了4部分。

1）文本“<? php”，切割后对应的Token值为379，参考PHP 7中的源码：

    #define T_OPEN_TAG 379

不难理解，它是PHP代码的起始tag，也就是<? php标识。

2）echo对应的Token是T_ECHO：

    #define T_ECHO 328

3）源码中的空格，对应的Token为T_WHITESPACE，值为382：

    #define T_WHITESPACE 382

4）字符串"hello world"，对应的Token值为323：

    #define T_CONSTANT_ENCAPSED_STRING 323

可见，Token就是一个个的“词块”，但是单独存在的词块不能表达完整的语义，还需要借助规则进行组织串联。语法分析器就是这个组织者。它会检查语法，匹配Token，对Token进行关联。

PHP 7中，组织串联的产物就是AST（Abstract Syntax Tree，抽象语法树）。

2. AST

AST是PHP 7版本新特性。在这之前的版本中，PHP代码的执行过程中是没有生成AST这一步的。PHP 7对抽象语法树的支持，实现了PHP编译器和解释器解耦，有效提升了可维护性。

顾名思义，抽象语法树具有树状结构。AST的节点分为多种类型，对应着PHP语法。在当前章节，我们可以认为节点类型是对语法规则的抽象，例如赋值语句，生成的抽象语法树节点为ZEND_AST_ASSIGN。而赋值语句的左右操作数又将作为ZEND_AST_ASSIGN类型节点的孩子。通过这样的节点关系，构建出抽象语法树。

如果读者希望一睹为快，可以直接跳到本书第13章，其中图片描绘了一段简单的PHP代码生成的抽象语法树。

这里介绍PHP-Parser工具，它可以用来查看PHP代码生成的AST。

注意

PHP-Parser是PHP 7内核作者之一Nikic编写的将PHP源码生成AST的工具。源码见https://github.com/nikic/PHP-Parser。

更多关于抽象语法树的介绍，将在后续章节展开。

3. opcodes

AST扮演了源码到中间代码的临时存储介质的角色，还需要将其转换为opcode，才能被引擎直接执行。opcode只是单条指令，opcodes是opcode的集合形式，是PHP执行过程中的中间代码，类似Java中的字节码。opcode生成之后由虚拟机执行。

我们知道，PHP工程优化措施中有一个比较常见的“开启opcache”，指的就是这里的opcodes的缓存（opcodes cache）。通过省去从源码到opcode的阶段，引擎可以直接执行缓存的opcode，以此提升性能。

借助vld插件，可以直观地看到一段PHP代码生成的opcode：

    php -dvld.active=1 hello.php

经过过滤整理，对应的opcode为：

    line     op
      1      ECHO
      2      RETURN

其实在源码实现中，上述代码生成的opcode及handler为：

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

可见，ZEND_ECHO对应的handler是ZEND_ECHO_SPEC_CONST_HANDLER。此handler实现的功能便是预期的“hello world”语句的输出。

在本书的PHP版本中，内核在zend_vm_opcodes.h中定义了186种opcodes，也可以参考本书附录B。

上一章目录下一章