PHP 核心分析:Zend 虛擬機器

Joshua Nie發表於2017-03-01

PHP 是一門解釋型的語言。諸如 Java、Python、Ruby、Javascript 等解釋型語言,我們編寫的程式碼不會被編譯成機器碼執行,而是會被編譯中間碼執行在虛擬機器(VM)上。執行 PHP 的虛擬機器,稱之為 Zend 虛擬機器,今天我們將深入核心,探究 Zend 虛擬機器執行的原理。

OPCODE

什麼是 OPCODE?它是一種虛擬機器能夠識別並處理的指令。Zend 虛擬機器包含了一系列的 OPCODE,通過 OPCODE 虛擬機器能夠做很多事情,列舉幾個 OPCODE 的例子:

  • ZEND_ADD 將兩個運算元相加。
  • ZEND_NEW 建立一個 PHP 物件。
  • ZEND_ECHO 將內容輸出到標準輸出中。
  • ZEND_EXIT 退出 PHP。

諸如此類的操作,PHP 定義了186個(隨著 PHP 的更新,肯定會支援更多種類的 OPCODE),所有的 OPCODE 的定義和實現都可以在原始碼的 zend/zend_vm_def.h 檔案(這個檔案的內容並不是原生的 C 程式碼,而是一個模板,後面會說明原因)中查閱到。

我們來看下 PHP 是如何設計 OPCODE 資料結構:

struct _zend_op {
	const void *handler;
	znode_op op1;
	znode_op op2;
	znode_op result;
	uint32_t extended_value;
	uint32_t lineno;
	zend_uchar opcode;
	zend_uchar op1_type;
	zend_uchar op2_type;
	zend_uchar result_type;
};

仔細觀察 OPCODE 的資料結構,是不是能找到組合語言的感覺。每一個 OPCODE 都包含兩個運算元,op1和 op2handler 指標則指向了執行該 OPCODE 操作的函式,函式處理後的結果,會被儲存在 result 中。

我們舉一個簡單的例子:

<?php
$b = 1;
$a = $b + 2;

我們通過 vld 擴充套件看到,經過編譯的後,上面的程式碼生成了 ZEND_ADD 指令的 OPCODE。

compiled vars:  !0 = $b, !1 = $a
line     #* E I O op                           fetch          ext  return  operands
-------------------------------------------------------------------------------------
   2     0  E >   ASSIGN                                                   !0, 1
   3     1        ADD                                              ~3      !0, 2
         2        ASSIGN                                                   !1, ~3
   8     3      > RETURN                                                   1

其中,第二行是 ZEND_ADD 指令的 OPCODE。我們看到,它接收2個運算元,op1 是變數 $bop2 是數字常量1,返回的結果存入了臨時變數中。在 zend/zend_vm_def.h 檔案中,我們可以找到 ZEND_ADD 指令對應的函式實現:

ZEND_VM_HANDLER(1, ZEND_ADD, CONST|TMPVAR|CV, CONST|TMPVAR|CV)
{
	USE_OPLINE
	zend_free_op free_op1, free_op2;
	zval *op1, *op2, *result;

	op1 = GET_OP1_ZVAL_PTR_UNDEF(BP_VAR_R);
	op2 = GET_OP2_ZVAL_PTR_UNDEF(BP_VAR_R);
	if (EXPECTED(Z_TYPE_INFO_P(op1) == IS_LONG)) {
		if (EXPECTED(Z_TYPE_INFO_P(op2) == IS_LONG)) {
			result = EX_VAR(opline->result.var);
			fast_long_add_function(result, op1, op2);
			ZEND_VM_NEXT_OPCODE();
		} else if (EXPECTED(Z_TYPE_INFO_P(op2) == IS_DOUBLE)) {
			result = EX_VAR(opline->result.var);
			ZVAL_DOUBLE(result, ((double)Z_LVAL_P(op1)) + Z_DVAL_P(op2));
			ZEND_VM_NEXT_OPCODE();
		}
	} else if (EXPECTED(Z_TYPE_INFO_P(op1) == IS_DOUBLE)) {

	...
}

上面的程式碼並不是原生的 C 程式碼,而是一種模板。

為什麼這樣做?因為 PHP 是弱型別語言,而其實現的 C 則是強型別語言。弱型別語言支援自動型別匹配,而自動型別匹配的實現方式,就像上述程式碼一樣,通過判斷來處理不同型別的引數。試想一下,如果每一個 OPCODE 處理的時候都需要判斷傳入的引數型別,那麼效能勢必成為極大的問題(一次請求需要處理的 OPCODE 可能能達到成千上萬個)。

哪有什麼辦法嗎?我們發現在編譯的時候,已經能夠確定每個運算元的型別(可能是常量還是變數)。所以,PHP 真正執行時的 C 程式碼,不同型別運算元將分成不同的函式,供虛擬機器直接呼叫。這部分程式碼放在了 zend/zend_vm_execute.h 中,展開後的檔案相當大,而且我們注意到還有這樣的程式碼:

if (IS_CONST == IS_CV) {

完全沒有什麼意義是吧?不過沒有關係,C 的編譯器會自動優化這樣判斷。大多數情況,我們希望瞭解某個 OPCODE 處理的邏輯,還是通過閱讀模板檔案 zend/zend_vm_def.h 比較容易。順便說一下,根據模板生成 C 程式碼的程式就是用 PHP 實現的。

執行過程

準確的來說,PHP 的執行分成了兩大部分:編譯和執行。這裡我將不會詳細展開編譯的部分,而是把焦點放在執行的過程。

通過語法、詞法分析等一系列的編譯過程後,我們得到了一個名為 OPArray 的資料,其結構如下:

struct _zend_op_array {
	/* Common elements */
	zend_uchar type;
	zend_uchar arg_flags[3]; /* bitset of arg_info.pass_by_reference */
	uint32_t fn_flags;
	zend_string *function_name;
	zend_class_entry *scope;
	zend_function *prototype;
	uint32_t num_args;
	uint32_t required_num_args;
	zend_arg_info *arg_info;
	/* END of common elements */

	uint32_t *refcount;

	uint32_t last;
	zend_op *opcodes;

	int last_var;
	uint32_t T;
	zend_string **vars;

	int last_live_range;
	int last_try_catch;
	zend_live_range *live_range;
	zend_try_catch_element *try_catch_array;

	/* static variables support */
	HashTable *static_variables;

	zend_string *filename;
	uint32_t line_start;
	uint32_t line_end;
	zend_string *doc_comment;
	uint32_t early_binding; /* the linked list of delayed declarations */

	int last_literal;
	zval *literals;

	int  cache_size;
	void **run_time_cache;

	void *reserved[ZEND_MAX_RESERVED_RESOURCES];
};

內容超多對吧?簡單的理解,其本質就是一個 OPCODE 陣列外加執行過程中所需要的環境資料的集合。介紹幾個相對來說比較重要的欄位:

  • opcodes 存放 OPCODE 的陣列。
  • filename 當前執行的指令碼的檔名。
  • function_name 當前執行的方法名稱。
  • static_variables 靜態變數列表。
  • last_try_catch try_catch_array 當前上下文中,如果出現異常 try-catch-finally 跳轉所需的資訊。
  • literals 所有諸如字串 foo 或者數字23,這樣的常量字面量集合。

為什麼需要生成這樣龐大的資料?因為編譯時期生成的資訊越多,執行時期所需要的時間就越少。

接下來,我們看下 PHP 是如何執行 OPCODE。OPCODE 的執行被放在一個大迴圈中,這個迴圈位於 zend/zend_vm_execute.h 中的 execute_ex 函式:

ZEND_API void execute_ex(zend_execute_data *ex)
{
	DCL_OPLINE

	zend_execute_data *execute_data = ex;

	LOAD_OPLINE();
	ZEND_VM_LOOP_INTERRUPT_CHECK();

	while (1) {
		if (UNEXPECTED((ret = ((opcode_handler_t)OPLINE->handler)(ZEND_OPCODE_HANDLER_ARGS_PASSTHRU)) != 0)) {
			if (EXPECTED(ret > 0)) {
				execute_data = EG(current_execute_data);
				ZEND_VM_LOOP_INTERRUPT_CHECK();
			} else {
				return;
			}
		}
	}

	zend_error_noreturn(E_CORE_ERROR, "Arrived at end of main loop which shouldn't happen");
}

這裡,我去掉了一些環境變數判斷分支,保留了執行的主流程。可以看到,在一個無限迴圈中,虛擬機器會不斷呼叫 OPCODE 指定的 handler 函式處理指令集,直到某次指令處理的結果 ret 小於0。注意到,在主流程中並沒有移動 OPCODE 陣列的當前指標,而是把這個過程放到指令執行的具體函式的結尾。所以,我們在大多數 OPCODE 的實現函式的末尾,都能看到呼叫這個巨集:

ZEND_VM_NEXT_OPCODE_CHECK_EXCEPTION();

在之前那個簡單例子中,我們看到 vld 列印出的執行 OPCODE 陣列中,最後有一項指令為 ZEND_RETURN 的 OPCODE。但我們編寫的 PHP 程式碼中並沒有這樣的語句。在編譯時期,虛擬機器會自動將這個指令加到 OPCODE 陣列的結尾。ZEND_RETURN 指令對應的函式會返回 -1,判斷執行的結果小於0時,就會退出迴圈,從而結束程式的執行。

方法呼叫

如果我們呼叫一個自定義的函式,虛擬機器會如何處理呢?

<?php
function foo() {
    echo 'test';
}

foo();

我們通過 vld 檢視生成的 OPCODE。出現了兩個 OPCODE 指令執行棧,是因為我們自定義了一個 PHP 函式。在第一個執行棧上,呼叫自定義函式會執行兩個 OPCODE 指令:INIT_FCALL 和 DO_FCALL

compiled vars:  none
line     #* E I O op                           fetch          ext  return  operands
-------------------------------------------------------------------------------------
   2     0  E >   NOP
   6     1        INIT_FCALL                                               'foo'
         2        DO_FCALL                                      0
         3      > RETURN                                                   1

compiled vars:  none
line     #* E I O op                           fetch          ext  return  operands
-------------------------------------------------------------------------------------
   3     0  E >   ECHO                                                     'test'
   4     1      > RETURN                                                   null

其中,INIT_FCALL 準備了執行函式時所需要的上下文資料。DO_FCALL 負責執行函式。DO_FCALL 的處理函式根據不同的呼叫情況處理了大量邏輯,我摘取了其中執行使用者定義的函式的邏輯部分:

ZEND_VM_HANDLER(60, ZEND_DO_FCALL, ANY, ANY, SPEC(RETVAL))
{
    USE_OPLINE
    zend_execute_data *call = EX(call);
    zend_function *fbc = call->func;
    zend_object *object;
    zval *ret;

    ...

    if (EXPECTED(fbc->type == ZEND_USER_FUNCTION)) {
        ret = NULL;
        if (RETURN_VALUE_USED(opline)) {
            ret = EX_VAR(opline->result.var);
            ZVAL_NULL(ret);
        }

        call->prev_execute_data = execute_data;
        i_init_func_execute_data(call, &fbc->op_array, ret);

        if (EXPECTED(zend_execute_ex == execute_ex)) {
            ZEND_VM_ENTER();
        } else {
            ZEND_ADD_CALL_FLAG(call, ZEND_CALL_TOP);
            zend_execute_ex(call);
        }
    }

    ...

    ZEND_VM_SET_OPCODE(opline + 1);
    ZEND_VM_CONTINUE();
}

可以看到,DO_FCALL 首先將呼叫函式前的上下文資料儲存到 call->prev_execute_data,然後呼叫 i_init_func_execute_data 函式,將自定義函式物件中的 op_array(每個自定義函式會在編譯的時候生成對應的資料,其資料結構中包含了函式的 OPCODE 陣列) 賦值給新的執行上下文物件。

然後,呼叫 zend_execute_ex 函式,開始執行自定義的函式。zend_execute_ex 實際上就是前面提到的 execute_ex 函式(預設是這樣,但擴充套件可能重寫 zend_execute_ex 指標,這個 API 讓 PHP 擴充套件開發者可以通過覆寫函式達到擴充套件功能的目的,不是本篇的主題,不準備深入探討),只是上下文資料被替換成當前函式所在的上下文資料。

我們可以這樣理解,最外層的程式碼就是一個預設存在的函式(類似 C 語言中的 main()函式),和使用者自定義的函式本質上是沒有區別的。

邏輯跳轉

我們知道指令都是順序執行的,而我們的程式,一般都包含不少的邏輯判斷和迴圈,這部分又是如何通過 OPCODE 實現的呢?

<?php
$a = 10;
if ($a == 10) {
    echo 'success';
} else {
    echo 'failure';
}

我們還是通過 vld 檢視 OPCODE(不得不說 vld 擴充套件是分析 PHP 的神器)。

compiled vars:  !0 = $a
line     #* E I O op                           fetch          ext  return  operands
-------------------------------------------------------------------------------------
   2     0  E >   ASSIGN                                                   !0, 10
   3     1        IS_EQUAL                                         ~2      !0, 10
         2      > JMPZ                                                     ~2, ->5
   4     3    >   ECHO                                                     'success'
         4      > JMP                                                      ->6
   6     5    >   ECHO                                                     'failure'
   7     6    > > RETURN                                                   1

我們看到,JMPZ 和 JMP 控制了執行流程。JMP 的邏輯非常簡單,將當前的 OPCODE 指標指向需要跳轉的 OPCODE。

ZEND_VM_HANDLER(42, ZEND_JMP, JMP_ADDR, ANY)
{
	USE_OPLINE

	ZEND_VM_SET_OPCODE(OP_JMP_ADDR(opline, opline->op1));
	ZEND_VM_CONTINUE();
}

JMPZ 僅僅是多了一次判斷,根據結果選擇是否跳轉,這裡就不再重複列舉了。而處理迴圈的方式與判斷基本上是類似的。

<?php
$a = [1, 2, 3];
foreach ($a as $n) {
    echo $n;
}
compiled vars:  !0 = $a, !1 = $n
line     #* E I O op                           fetch          ext  return  operands
-------------------------------------------------------------------------------------
   2     0  E >   ASSIGN                                                   !0, <array>
   3     1      > FE_RESET_R                                       $3      !0, ->5
         2    > > FE_FETCH_R                                               $3, !1, ->5
   4     3    >   ECHO                                                     !1
         4      > JMP                                                      ->2
         5    >   FE_FREE                                                  $3
   5     6      > RETURN                                                   1

迴圈只需要 JMP 指令即可完成,通過 FE_FETCH_R 指令判斷是否已經到達陣列的結尾,如果到達則退出迴圈。

結語

通過了解 Zend 虛擬機器,相信你對 PHP 是如何執行的,會有更深刻的理解。想到我們寫的一行行程式碼,最後機器執行的時候會變成數不勝數的指令,每個指令又建立在複雜的處理邏輯之上。那些從前隨意寫下的程式碼,現在會不會在腦海裡不自覺的轉換成 OPCODE 再品味一番呢?

相關文章