组译器与连结器 (上)

本文目标

• 理解 RISC-V 基础指令集
• 假指令 (pseudo instruction)、扩展指令集
• 组译器与组合语言

组译器

组译器 (Assembler) 能够将组合语言转换为目标代码(机器语言或接近於机器语言的程序码)。
在 Unix 系统中，组译器的输入为 .s 後缀的档案，像是: foo.s 。
此外，组译器还有一项非常重要的功能: 它可以将扩展指令转为基础指令。

基础指令集

在谈扩展指令集之前，我们先来了解一下指令集的定义。
指令集顾名思义代表着指令的集合， RISC-V 有多个基本指令集:

• RV32I
• RV32E
• RV64I
• RV128I

以 RV32I 指令集来看，该指令集一共有 47 个 32 位地址的指令集并且支持 32 个通用整数寄存器。

从上图可以了解不同 Type 的指令如何利用 32 位元的空间，以 I-Type 来看:

• Bit 20 - Bit 31 用来表示立即数
• Bit 15 - Bit 19 表示 rs1 (Input 暂存器)
• Bit 12 - Bit 14 表示 funct (在确定指令属於哪一个 Type 後，观察 Funct 来判断该指令是哪一个操作)
• Bit 7 - Bit 11 表示 rd (目标暂存器)
• Bit 0 - Bit 6 为 opcode (用於辨别 Type)

以 addi 指令为例，该指令会将 rs1 存放的数值加上立即数後将结果存放到 rd 中。I-Type 指令的 opcode 统一为 0010011，而 addi 的 funct3 为 000。
再以 xori 为例，该指令会将 rs1 存放的数值与立即数进行按位元的 xor 操作，完成後再将结果存放到 rd 中。而 xori 的 funct3 会是 100。

扩展指令集

谈完基础指令集後，再回到扩展指令集上面。
扩展指令集的诞生与人类赋予计算机的任务逐渐加重有很大的关系，像是在现代应用中，我们利用电脑处理音频、影像的处理。纵使现代处理器具有极强的运算能力，但基础指令一次也仅能处理一个数据，在处理 RGB 或是座标问题时就需要拆成多项指令才能完成任务。因此，势必需要增加特殊指令处理这些问题，这些新增的指令便成 了扩展指令集。
由於 RISC-V 是属於精减指令架构 (RISC) ，所以就连常见的乘除法操作也会透过扩展指令实作。

好奇计算机怎麽做加减乘除吗?
可以参考先前的透过数位逻辑电路学习 Bitwise 操作一文唷!

在 RISC-V 中，有以下常见的指令集:

以上 IMAFD 指令集组合又被称为通用组合，在英文中以 G (General) 表示，所以 RV32G 等於 RV32IMAFD 。

如何解析扩展指令

要解析扩展指令有两种直观的做法:

• 设计相关硬体使 CPU 能够对指令进行硬处理
• 利用多个指令构成新的指令 (假指令)

在 RISC 架构的处理器中，多数应属於後者，这个结果也呼应到本文一开始所提到组译器主要的功能。

组合语言

在 RISC-V 中，我们编写组合语言时会在开头使用组译指示符 (assemble directives):

• .text
• .align
• .globl
• .section
• ...

在实际档案中会长这样:

    .text
    .align 2
    .globl main
main:
    addi sp,sp,-16
    sw ra,12(sp)
    # ...
    ret
    # ...

其中， ret 指令并不是基础指令，而是假指令的一种。

根据上图，可以知道 ret 指令是由基础指令 jalr x0, 0(x1) 扩展而成。

本文并没有介绍全部的假指令，更多的资讯还是需要读者自行去翻阅 RISC-V 规格书。

再以 C 语言程序码为例:

#include <stdio.h>
int main()
{
    printf("Hello, %s\n", "world");
    return 0;
}

我们可以将 C 程序码使用 RISC-V 的 C 语言编译器进行编译得到组译档案。
结果如下:

    .text
    .align 2
    .globl main
main:
    addi sp,sp,-16
    sw   ra,12(sp)
    lui  a0,%hi(string1)
    addi a0,a0,%lo(string1)
    lui  a0,%hi(string2)
    addi a0,a0,%lo(string2)
    call printf
    lw   ra,12(sp)
    addi sp,sp,16
    li   a0,0
    ret
    .secton rodata
    .balign 4
string1:
    .string "Hello, %s!\n"
string2:
    .string "world"

导读

• 第 7 - 8 行:
  lui 指令可以将 unsigned 20-bit放到 rd暂存器的最高 20-bit，并将剩余的 12-bit补 0 ，而 %hi(string1) 则是用来取 string1 的前 20 位地址值(一共 32 位)。

  参考一

我们将组合语言丢到组译器编译後就能得到 RISC-V 的机器语言了。

00000000 <main>:
 0: ff010113 addi  sp,sp,-16
 4: 00112623 sw    ra,12(sp)
 8: 00000537 lui   a0,0x0
 c: 00050513 mv    a0,a0
10: 000005b7 lui   a1,0x0
14: 00058593 mv    a1,a1
18: 00000097 auipc ra,0x0
1c: 000080e7 jalr  ra
20: 00c12083 lw    ra,12(sp)
24: 01010113 addi  sp,sp,16
28: 00000513 li    a0,0
2c: 00008067 ret

总结

组译器的介绍在今天告一段落，下一篇会接着介绍连接器。
看完本篇与下一篇後就能了解 C 语言从编译到执行到底精过了哪些阶段，是不是很有趣呢?

Reference

• 伪指令
• Jim's Dev Blog
• RISC-V 手册