第一节 Zend虚拟机概述_深入理解PHP内核

在wiki中虚拟机的定义是：虚拟机（Virtual Machine），在计算机科学中的体系结构里，是指一种特殊的软件，他可以在计算机平台和终端用户之间创建一种环境，而终端用户则是基于这个软件所创建的环境来操作软件。在计算机科学中，虚拟机是指可以像真实机器一样运行程序的计算机的软件实现。

虚拟机是一种抽象的计算机，它有自己的指令集，有自己的内存管理体系。在此类虚拟机上实现的语言比较低抽象层次的语言更加明了，更加简单易学。

虚拟机的类型

虚拟机是一种抽象的计算机，是对真实计算机的虚拟和模拟，现在的计算机有不同的指令集架构(ISA: Instruction Set Architecture)，ISA是处理器的一个部分，不同的处理器会有不同的架构，最常见的有3种：

基于栈的Stack Machines: 操作数保存在栈上。而不是使用寄存器来保存，现在很少有真实机器采用这个模型。对于虚拟机来说因为指令空间占用少，并且实现简单，很多虚拟机采用这种模型，比如：JVM，HHVM等。
基于累加器的Accumulator Machines。这个模型使用称作累加器(Accumulator)的的寄存器来保存一个操作数以及操作的结果
基于通用寄存器的General-Purpose-Register Machines，这些寄存器没有特殊的用途。编译器可以将操作数保存在这些寄存器中。ZendVM采用的就是基于寄存器的架构。

php<?php
$a = 0;
if ($a > 0) { echo $a;} else { echo 4;}

下图为上面PHP代码编译后的opcode，可以看出来操作数使用的是一些数字，他们也可以理解对应于物理机的寄存器，不同的是在这一个层次寄存器的数量可以理解为无限的，而物理机的寄存器是有限的。

## line # * op fetch ext return operands
4 0 > ASSIGN !0, 0 6 1 IS_SMALLER ~1 0, !0 2 > JMPZ ~1, ->5 7 3 > ECHO !0 8 4 > JMP ->6 9 5 > ECHO 4 10 6 > > RETURN 1

我们再看看基于栈的HHVM生成的opcode：

Pseudo-main at 0 (ID 0)
// line 4
0: Int 0
9: SetL 0
11: PopC
// line 6
12: Int 0
21: CGetL2 0
23: Gt
24: JmpZ 14 (38)
// line 7
29: CGetL 0
31: Print
32: PopC
// line 10
33: Jmp 16 (49)
// line 9
38: Int 4
47: Print
48: PopC
49: Int 1
58: RetC
Pseudo-main at 0 (ID 0)

它就是基于栈的模式，指令的操作数都是保存在栈上的。可以看出来，相比于Zend的实现，指令数量多了不少。虽然指令数多了不少，在实际项目中，由于HHVM使用了JIT技术，这些指令并不会解释执行，所以HHVM会比PHP快不少。

目前的程序语言虚拟机大都采用基于栈的，这是因为程序最终是解释执行的，虚拟机中的对象通用并不容易对应到物理机中的寄存器，放在寄存器的好处是性能，这点优势没有了的话，采用更为复杂的基于寄存器的实现就不合适了。不过对于实现了JIT的虚拟机来说，他最后还是会把程序编译成基于寄存器的，因为要做JIT，就是把虚拟机的指令集(ISA)翻译成目标机器的指令集，也就是我们真实的物理机，而它是基于寄存器的。从逻辑上虚拟机还是基于栈的，不过优化的时候会映射到基于寄存器的物理机。

Zend虚拟机核心实现代码

为了方便读者对Zend引擎的实现有个全面的感觉，下面列出涉及到Zend引擎实现的核心代码文件功能参考。

Zend引擎的核心文件都在$PHP_SRC/Zend/目录下面。不过最为核心的文件只有如下几个：

PHP语法实现
- Zend/zend_language_scanner.l
- Zend/zend_language_parser.y
Opcode编译
- Zend/zend_compile.c
执行引擎
- Zend/zendvm *
- Zend/zend_execute.c

Zend虚拟机体系结构

从概念层将Zend虚拟机的实现进行抽象，我们可以将Zend虚拟机的体系结构分为：解释层、执行引擎、中间数据层，如图7.1所示：

图7.1 Zend虚拟机体系结构图

当一段PHP代码进入Zend虚拟机，它会被执行两步操作:编译和执行。对于一个解释性语言来说，这是一个创造性的举动，但是，现在的实现并不彻底。现在当PHP代码进入Zend虚拟机后，它虽然会被执行这两步操作，但是这两步操作对于一个常规的执行过程来说却是连续的，也就是说它并没有转变成和Java这种编译型语言一样：生成一个中间文件存放编译后的结果。如果每次执行这样的操作，对于PHP脚本的性能来说是一个极大的损失。虽然有类似于APC，eAccelerator等缓存解决方案。但是其本质上是没有变化的，并且不能将两个步骤分离，各自发展壮大。

解释层

解释层是Zend虚拟机执行编译过程的位置。它包括词法解析、语法解析和编译生成中间代码三个部分。词法分析就是将我们要执行的PHP源文件，去掉空格，去掉注释，切分为一个个的标记(token)，并且处理程序的层级结构(hierarchical structure)。

语法分析就是将接受的标记(token)序列，根据定义的语法规则，来执行一些动作，Zend虚拟机现在使用的Bison使用巴科斯范式(BNF)来描述语法。编译生成中间代码是根据语法解析的结果对照Zend虚拟机制定的opcode生成中间代码，在PHP5.3.1中，Zend虚拟机支持135条指令（见Zend/zend_vm_opcodes.h文件），无论是简单的输出语句还是程序复杂的递归调用，Zend虚拟机最终都会将所有我们编写的PHP代码转化成这135条指令的序列，之后在执行引擎中按顺序执行。

中间数据层

当Zend虚拟机执行一个PHP代码时，它需要内存来存储许多东西，比如，中间代码，PHP自带的函数列表，用户定义的函数列表，PHP自带的类，用户自定义的类，常量，程序创建的对象，传递给函数或方法的参数，返回值，局部变量以及一些运算的中间结果等。我们把这些所有的存放数据的地方称为中间数据层。

如果PHP以mod扩展的方式依附于Apache2服务器运行，中间数据层的部分数据可能会被多个线程共享，比如PHP自带的函数列表等。如果只考虑单个进程的方式，当一个进程被创建时它就会被加载PHP自带的各种函数列表，类列表，常量列表等。当解释层将PHP代码编译完成后，各种用户自定义的函数，类或常量会添加到之前的列表中，只是这些函数在其自身的结构中某些字段的赋值是不一样的。

当执行引擎执行生成的中间代码时，会在Zend虚拟机的栈中添加一个新的执行中间数据结构（zend_execute_data），它包括当前执行过程的活动符号列表的快照、一些局部变量等。

执行引擎

Zend虚拟机的执行引擎是一个非常简单的实现，它只是依据中间代码序列（EX(opline)）,一步一步调用对应的方法执行。在执行引擎中没并有类似于PC寄存器一样的变量存放下一条指令，当Zend虚拟机执行到某条指令时，当它所有的任务都执行完了，这条指令会自己调用下一条指令，即将序列的指针向前移动一个位置，从而执行下一条指令，并且在最后执行return语句，如此反复。这在本质上是一个函数嵌套调用。

回到开头的问题，PHP通过词法分析、语法分析和中间代码生成三个步骤后，PHP文件就会被解析成PHP的中间代码opcode。生成的中间代码与实际的PHP代码之间并没有完全的一一对应关系。只是针对用户所给的PHP代码和PHP的语法规则和一些内部约定生成中间代码，并且这些中间代码还需要依靠一些全局变量中转数据和关联。至于生成的中间代码的执行过程是依据中间代码的顺序，依赖于执行过程中的全局变量，一步步执行。当然，在遇到一些函数跳转也会发生偏移，但是最终还是会回到偏移点。

下一节：世上没有无缘无故的爱，也没有无缘无故的恨。

语言从广义上来讲是人们进行沟通交流的各种表达符号。每种语言都有专属于自己的符号，表达方式和规则。就编程语言来说，它也是由特定的符号，特定的表达方式和规则组成。语言的作用是沟通，不管是自然语言，还是编程语言，它们的区别在于自然语言是人与人之间沟通的工具，而编程语言是人与机器之间的沟通渠道。相对于自然语言，编程语言的历史还非常短，虽然编程语言是站在历史巨人的基础上创建的，但是它还很小，还是一个小孩。它只能按编程人员所给的指令翻译成对应的机器可以识别的语言。它就相当于一个转化工具，将人们的知识或者业务逻辑转化成机器码（机器的语言），让其执行对应的的操作。而这些指令是一些规则，一些约定，这些规则约定都是由编程语言来处理。

就PHP语言来说，它也是一组符合一定规则的约定的指令。在编程人员将自己的想法以PHP语言实现后，通过PHP的虚拟机将这些PHP指令转变成C语言（可以理解为更底层的一种指令集）指令，而C语言又会转变成汇编语言，最后汇编语言将根据处理器的规则转变成机器码执行。这是一个更高层次抽象的不断具体化，不断细化的过程。

在这一章，我们讨论PHP虚拟机是如何将PHP语言转化成C语言。从一种语言到另一种语言的转化称之为编译，这两种语言分别可以称之为源语言和目标语言。这种编译过程通常发生在目标语言比源语言更低级（或者说更底层）。语言转化的编译过程是由编译器来完成，编译器通常被分为一系列的过程：词法分析、语法分析、语义分析、中间代码生成、代码优化、目标代码生成等。前面几个阶段（词法分析、语法分析和语义分析）的作用是分析源程序，我们可以称之为编译器的前端。后面的几个阶段（中间代码生成、代码优化和目标代码生成）的作用是构造目标程序，我们可以称之为编译器的后端。一种语言被称为编译类语言，一般是由于在程序执行之前有一个翻译的过程，其中关键点是有一个形式上完全不同的等价程序生成。而PHP之所以被称为解释类语言，就是因为并没有这样的一个程序生成，它生成的是中间代码，这只是PHP的一种内部数据结构。