深入理解PHP原理之Opcodes

·        作者: Laruence(   )
·        本文地址: http://www.laruence.com/2008/06/18/221.html
·        转载请注明出处
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.                [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TokensArray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       ~01 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。