Skip to content

data-layout.md

Latest commit

 

History

History
183 lines (112 loc) · 3.71 KB

data-layout.md

File metadata and controls

183 lines (112 loc) · 3.71 KB

Data layout

本文件整理 BCause 如何把 B 的資料概念落到 x86-64 記憶體。

B word

BCause 把 B 的單一資料型別直接實作成 machine word。

在 x86-64 上，這就是：

sizeof(intptr_t) == 8

所以一個 B word 同時可以承載：

  • integer value
  • pointer
  • packed character constant
  • string address

這個假設在 compiler 和 runtime 兩邊都成立。

global scalar layout

global scalar declaration 由 global() 輸出。

形狀是：

.data
.type name, @object
.align 8
name:

若沒有 initializer：

.zero 8

若有 initializer list，則每個 initializer 都 emit 一個 .quad。

因此對 compiler 來說，global scalar 本質上就是一段 word storage 的起始 label。

global vector layout

global vector 與 scalar 最大的不同是：

symbol 對應的第一個 word 不是第一個元素，而是 base pointer。

vector() 會輸出：

name:
	.quad .+8

也就是把「下一個 word 的位址」存進這個 symbol 的第一個 word。

後面才是真正的元素資料。

這非常符合早期 B 對 vector 的模型：

  • vector 名稱是一個 word
  • word 的內容是資料區起點地址

local scalar layout

local scalar 在 stack 上只佔一個 word。

宣告時：

  • stack_offset += 1
  • sub $8, %rsp

使用時 expression 不直接拿值，而是先算：

lea -offset(%rbp), %rax

也就是先得到這個 scalar 的地址，再由 lvalue/rvalue 規則決定是否 load。

local vector layout

local vector 不是 payload 直接掛在名字上，而是：

  • 一個 pointer slot
  • payload words

這讓 local vector 和 global vector 在語意上保持一致：

  • vector name 對應一個裝 base pointer 的 word
  • indexing 時先取出 base pointer，再做位移

宣告時 compiler 會：

  1. 為 vector 佔 value + 1 個 words
  2. 算出 payload 區位址
  3. 把 payload 位址寫進 pointer slot

string literal table

字串在 parse 階段不會立刻輸出到 .rodata，而是先進 args->strings。

當一個 translation input 處理完後，strings() 會輸出：

.section .rodata
.string.0:
	.byte ...
	.byte 0

也就是逐 byte 輸出，而不是依賴 assembler .string directive。

這樣做有兩個好處：

  • B 的 escape 已經在 parser 中被解析完成
  • runtime 可以用普通 C-style NUL-terminated byte string 來處理

multi-character constant

character() 會把最多 word_size 個 byte pack 進一個 machine word。

例如：

'foo'

不是單字元，而是一個 packed word。

實作上每個 byte 會做：

value |= ((uintptr_t)(uint8_t)c) << (i * 8)

也就是 little-endian packing。

這也是為什麼 runtime 的 putchar() 可以把 'foo' 當成三個 byte 一次寫出去。

pointer arithmetic 與 indexing 的單位

BCause 的 indexing 是以 B word 為單位，不是以 byte 為單位。

在 postfix() 裡：

shl $3, %rax

就是把 index 乘以 8，再加到 base pointer 上。

所以：

  • a[0] -> base + 0
  • a[1] -> base + 8
  • a[2] -> base + 16

測試也正是按這個模型驗證地址差。

scalar / vector 的統一觀點

若想少記幾條規則，可以把 BCause 的資料模型濃縮成：

  • scalar name -> 直接對應一個 storage word
  • vector name -> 對應一個裝 payload base pointer 的 storage word

然後再用 lvalue/rvalue 規則去決定：

  • 現在要的是地址
  • 還是要從地址 load 出值

這樣 global/local 兩邊的行為就會變得一致得多。

關聯源碼

  • src/compiler/compiler.c：global()、vector()、character()、string()、strings()、term()、postfix()。
  • src/libb/libb.c：putchar()、char()、lchar()。