C/C++、Java由源码到机器码的过程（编译原理）
软件开发的环境需要什么？一个IDE，一个OS，一个硬件设备，没错，这个实质是软件进展的三个层集。在很久很久以前（几十年），软件就是直接开发在硬件设备上的，用纸带有无孔标识二进制位，此时的开发语言是机器码，软件直接对接硬件设备；后来很不方便，尤其不方便复用，然后，有了汇编，有了简单的编译环境，然后逐渐发展成为OS内核；时代会进步，软件要处理越来越多复杂的场景，然后有了高级语言：C等，为了更加高效友好的开发，有了最初期的IDE，2000年左右的程序员，应该用记得有一个Turbo C，这个也是我的入门IDE，这个至少要比记事本写代码方便了一些。软件的规模越来越大，行业分工越来越细，开发的效率也越发的重要，以Android为例，从Eclipse到google官方所推的Android Studio，IDE的功能越来越强大，这个解放了程序员，但也控制了程序员，有谁还会知道，写在这些IDE中的代码行，为什么可以执行在手机上？中间有什么过程，是什么模块在控制这些过程？是完全由IDE实现的吗？我相信能答出这个问题的人是少数。古人说过，要知其然，还要知其所以然，只会使用IDE去写固定的功能模块，只是一个普通码农，要想用好一个工具（包括IDE及语言），还要了解其实质，要明白，我们写好的代码，是怎么运行到硬件环境上的。这个话题很大，包括编译原理、OS结构、硬件驱动、各种语言等。大不是不去了解的理由，技术的提交需要反复的打磨，好，先来揭个盖子，看一下C/C++及Java由代码到机器码的过程，有了机器码之后，再后面的运行细节，离软件开发离得较远，和开发优质软件平台（除OS外）关系也不太大。
由源码到机器码，C/C++与Java的实现并不相同，为什么要放在一起呢，三个原因吧：（一）从语言代来讲，C为二代面向过程语言、C++为三代面向对象语言，Java为参考C++所设计的三代面向对象语言，其本身是有传承的，语言会传承，编译运行环境同样是传承的，对比着看，可以看出优化方向；（二）我目前主要是在做Android开发的相关方面，这个是与自身最切身相关的语言，Android的内核是C/C++环境、应用层和framework层是Java环境，对这两门语言有迫切的项目需求。（三）个人认为，C/C++、Java作为静态语言，其应用范围、语言特性，编译运行原理非常有代表性，尤其是Java在做跨平台，之后JVM上可以运行其他的动态语言，可以说Java的编译运行可以代表一部分希望跨平台的动态语言，比如Kotlin。
先来看一下C/C++的源码到机器语言过程发生了什么，分为四个大步骤：预编译、编译、汇编、链接，在C/C++中统称为编译。
（一）预编译所处理的过程包括：
a.展开宏定义#define
b.处理条件预编译指令#if等
c.处理#include
d.删除注释
e.为Debug及日志填加行号
f.保留#pragma
（二）编译所处理的过程包括：
a.词法分析：使用扫描器将源码分隔为一系列的记号（Token），即源码中的不可分隔项，较为容易理解，比如下面的：
int index = (2 + 8) * c 会被折分为 ：int index = ( 2 + 8 ) * c 10个token，左右半括号各为一个
b.语法分析
将a中分出来的Token，映射为语法树
c.语义分析
在b中语法树的基础上，分析是否有错误语义，编译器所能分析的语义为静态语义，包括：声明是否正确、类型是否匹配、类型的转换是否符合要求
d.经过前面三个过程后，将源代码转换为中间语言，可以理解为将c中通过的语法树通过一定的规则拍平，变为类假于目标代码的结构，为什么要引入中间语言呢，目标语言很多时候是硬件相关的，而中间语言与硬件无关。
e.生成目标代码并进行相应优化
目标代码的文件组织格式为.o文件，其内部的格式与具体设备有很大关系，比如在Android中，对arm7和x86CPU要编译出不同的so文件，此处同理，不同的硬件环境生成不同的目标代码。目标代码的优化也是针对不同情况有不同处理，在此不再展开，感兴趣的同学可以参考编译原理相关书籍。
（三）汇编：汇编的目的是把汇编语言转为机器语言，基本是一条转一条，没啥特殊的
（四）链接：链接是要解决目标文件之间的互相依赖关系，当a文件中的aa方法中调用了b文件的bb方法时，在汇编完成后，a文件的bb方法并没有准确的内存地址，链接后会转换为虚拟地址，虚拟地址可以依据一定的规则转换为实际地址，即可以运行时找到该方法。链接过程包括：地址和空间分配、符号决议和重定位，之后的文档中可以再总结下。
Java语言从源代码到机器码的过程要比C/C++复杂，Java追求的是一次编译，多次运行的跨平台特性，因而在分层上更为彻底。可以分为编译期和运行期两个周期，编译期的输入为源代码.java文件、输出为字节码.class文件、运行期输入为字节码.class文件，输出为机器码。为何这么做可以跨平台呢，JVM定义了严格的.class文件的格式，Java文件需要严格按照定义编译为.class文件，然后可以拿到各个平台各个版本的虚拟机上运行。如果其他的语言编译完毕后也遵循.class文件格式，也可以在JVM上和Java一样运行。
先来看Java的编译期，有以下几个过程：
（一）生成语法树及符号表的过程：
a.首先进行词法分析，将源码的字符流分解为token的集合，token的含义可以参考上面所提到的，即不可折分的个体
b.语法分析，根据token集合构建抽象语法树
c.生成符号表：符号表是一个类key-value结构的集合，记录符号的类型、结构、定义，支持增加与删除
（二）处理Java语言中的注解，修正（一）中生成的语法树
（三）语义分析，与C/C++的语义分析类似，进行一些语义正确性检测，具体包括：
a.标注检查：类型声明及赋值是否合适
b.常量折叠：将 1 + 2 直接用3替代
c.上下文的语法检测，如变量使用前是否赋值等
d.解语法糖，为了提升开发效率，Java提供了许多的语法糖，比如：泛型、变长参数、自动装箱等，在此过程中，会将这些语法糖转为JVM所规定的格式。具体可以查看Java虚拟机中相关语法编译期的处理
（四）生成字节码，生成字节码阶段主要是两个事情：
a.按照抽象语法树及符号表生成相应的字节码
b.针对Java语言的特点，进行些必要的填充，比如：字符串的+转为StringBuilder等
经过上述四个过程，Java中的编译期即进行完毕了，可以获取到.class文件，如果对.class文件格式感兴趣，可以看我之前的文章：https://blog.csdn.net/kcstrong/article/details/79460262
继续分析下Java的运行期，先看下运行期有什么特点。首先，运行期离Java语言的使用者，离得较远，运行期处理的是字节码到机器码之间的转换，Java语言的使用者不需要了解这些细节，也可以进行高效的开发。理解这些细节，以我当前的体验，对于开发者来讲，主要是增长知识面，对开发的影响也不大。那运行期和什么样的开发者关系较大呢，没错，就是虚拟机开发人员或者需要优化虚拟机的人员，比如，服务器的运维人员。
Java运行期的工作并非是固定的，最基本的，也是最简单的，当然，也可以理解为保底的，是使用解释器将字节码转换为机器码，该原理相当的清晰明确，有以下步骤：
a.按一定的规则寻找相关的类，首先，根据环境变量找到java类库的位置，然后根据双亲委托模式找到准确的类位置
b.然后就很简单了，JVM字节码可以直接逐条解释，只是JVM是基本于栈的指令集，条数较多，解释较为耗时。
另一种Java运行期的处理为JIT，是一种Java动态编译方法，分为两种：Client Compiler和Server Compiler
Client Compiler较为简单快速，其过程用下面一幅图来说明：
Server Compiler是一个经过充分优化的高级编译器，包括但不限于：无用代码擦除、基本块重排序等，其技术极为复杂，感兴趣的同学可以查阅专门的资料研究。选用上述那种Compiler进行处理，要视环境的需要而定。
JIT并非完全取代解释器，只是在需要优化的高频方法或高频模块（比如多次for循环）才会介入，其他时候仍采用的是解释器的处理方式。
针对Java的源码到机器码的处理，上面提到了两种编译运行方式分别为：编译为字节码+解释器、编译为字节码+JIT+解析器。目前还是另一种方式，为AOT，一种静态编译方式，在编译期，即将源码编译为机器码，其好处也是显然的，运行器无JVM处理时延，效率最高，但缺点也很明显：（1）牺牲了Java的跨平台特性，机器码一定是平台相关的（2）编译算法复杂度相当高，JIT在运行期，通过运行时数据收集，制定是否编译机器码，但AOT在编译期就要收集到这些。
好，总结一下，总共提到的Java的源码到机器码的处理为三种：
a.编译为字节码+解释器
b.编译为字节码+JIT+解析器
c.AOT直接编译为机器码
Java目前应用范围要大于C/C++，采用那种方式，要看那些场景更为合适，比如，Android采用的变异后的b方式（编译后的输出为dex文件，运行前要将dex文件转化为oat格式，运行时要处理的格式为oat格式，运行时的指令集为基于寄存器的）
从上面对C/C++及Java编译运行的分析，可以看出，编译的基本原理及流程是相近的，然后加入了后期的优化，尤其是Java，为改善编译及运行效率（JIT、AOT、字节码等），做了大量的工作，至Android虚拟机（当前文中没细说），又根据平台特点，在Java的基础上做了大量的改进。
