HEC虚拟机的一些改进建议

港控/mmm° 2022-09-19 10:40 121阅读 0赞

HEC虚拟机的一些改进建议

陈硕 2004-02-13

在《虚拟机的设计与实现——C/C++》一书中，作者Bill Blunden描述了一个简单但完整的虚拟机——HEC的设计及实现。在阅读第三章的过程中，我发现有几处值得改进的地方。不是针对HEC的总体设计和代码结构——那样牵一发而动全局，而是针对HEC虚拟机实现代码中某些细节做些改进。

1.转换字节序

HEC的字节序（byte order）是big-endian（高位在前），而宿主平台（Win32 on Intel）是little-endian（低位在前），所以在装入.RUN文件时需要转换字节序。作者先定义了HEC虚拟机的各种类型（p.61，原书p.67）：

\#define U1unsigned char

\#define U2unsigned short

\#define U4unsigned long

\#define U8unsigned \_\_int64

然后定义了10个转换函数（p.62，原书p.68）。例如，U2 bytecodeToWord(U1 bytes\[\]) 的作用是将big-endian的16位无符号整数转换为本机格式：

U2 bytecodeToWord(U1 bytes\[\])

U2 word;

U1 \*buffer;

buffer = (U1\*)&word;

buffer\[0\] = bytes\[1\];

buffer\[1\] = bytes\[0\];

return(word);

这个函数没有考虑移植性（portability），它认定本机的字节序是little-endian。一种移植性较好的做法是：

U2 bytecodeToWord(U1 bytes\[\])

U2 word = (bytes\[0\] << 8) + bytes\[1\];

return word;

这样无论主机是little-endian或者big-endian都能正确运作。在执行左移运算（<<）之前，C语言会自动把bytes\[0\]从unsigned char类型提升（promote）为int类型，所以不用担心数值“移掉了”。

另一种好办法是利用sockets API中的ntohs()函数：

\#include // or on unix-like OSes

U2 bytecodeToWord(U1 bytes\[\])

return ntohs(\*(U2\*)bytes);

对U4 bytecodeToDWord(U1 bytes\[\]) 也可照此办理：

U4 bytecodeToDWord(U1 bytes\[\])

U4 dword = (bytes\[0\] << 24) + (bytes\[1\] << 16)

\+ (bytes\[2\] << 8) + bytes\[3\];

return dword;

// or using ntohl()

U4 bytecodeToDWord(U1 bytes\[\])

return ntohl(\*(U4\*)bytes);

采用同样的思路，本机数据转换为big-endian的函数可改写为（以dwordToBytecode()为例）：

void dwordToBytecode(U4 dword, U1 arr\[\])

arr\[0\] = dword >> 24;

arr\[1\] = (dword >> 16) & 0xFF;

arr\[2\] = (dword >> 8) & 0xFF;

arr\[3\] = dword & 0xFF;

// or using htonl()

void dwordToBytecode(U4 dword, U1 arr\[\])

\*(U4\*)arr = htonl(dword);

在Intel处理器上，转换16位整数的字节序只需一条语句（假设数据已读取寄存器ax）：

xchg al, ah

改变32位整数的字节序也只需三条语句（假设数据已读取寄存器eax）：

xchgal, ah

roreax, 16

xchgal, ah

GCC编译器在使用\-O2优化开关时，就会将ntohl()函数和htonl()函数编译为上面的形式。

2.验证字节码

在验证阶段，HEC虚拟机将检查每条指令的格式是否正确，包括操作码、寄存器号、地址值的合法性和指令的完整性，并将转换操作数的字节序。这可以视为反汇编器（disassembler）。其基本结构是

while (current\_byte < stop) \{

U1 opcode = RAM\[current\_byte\];

switch (opcode) \{

case LBI:/\* LBI $r1, byte\_constantBBB \*/

...

case ADD:/\* ADD $r1, $r2, $r3BBBB\*/

...

default:/\* Bad opcode \*/

***report the error***

其中switch-case结构的代码有近550行，列了整整12页（p.104~p.106，原书p.109~p.119）。仔细观察可以发现，其中很多代码段是重复的，很难维护。由于指令的格式很有规律，所以我们可以复用代码，简化验证过程。我的想法是，将各条指令的格式存入数组char\* I\_fmt\[\]；验证字节码时，根据指令的操作码（opcode）取回格式字符串，再根据格式字符串验证指令的合法性。换句话说，这里设计了一种用于描述指令格式的小语言。基本结构为

char\* I\_fmt\[256\] =

// LBI, LWI, LDI, LQI

"ORB", "ORW", "ORD", "ORQ",

...

\};

// in reformat()

while (current\_byte < stop) \{

U1 opcode = RAM\[current\_byte\];

char\* fmt = I\_fmt\[opcode\];

char field;

if (fmt == NULL) \{ // invalid opcode

***report the error and return***

field = \*fmt++;

while (field != '/0') \{

switch (field) \{

case 'O': // opcode

...

case 'R': // integer register

...

default :

FATAL\_ERROR();

break;

field = \*fmt++;

这样整个while循环只有80余行，不到原来的1/6，完整的代码可从我的个人主页下载（http://www.chenshuo.com）。这里’O’表示操作码、’R’表示整数寄存器、’F’表示浮点寄存器、’L’表示双精度浮点寄存器、’B’表示8位立即数、’W’表示16位立即数、’D’表示32位立即数、’Q’表示64位立即数、’A’表示64位地址（LAD指令）、’f’表示浮点立即数（32位）、’l’表示双精度浮点立即数（64位）、’V’表示中断向量（INT指令）等等。

3.其他改进建议

作者声称HEC把各种整数都看作时有符号数(signed)，但是他写的SLT语句确进行无符号的大小比较（p.134，原书p.137）。也就是说HEC实际上没有比较有符号整数大小的语句，它把参与大小比较的整数都看作是无符号的（意味着0<-1），这与作者的设想正好相反。因此，我建议增加一条SLTU语句，用来比较无符号整数，而原有的SLT语言则改为比较有符号数。这样就二者兼顾了。

.完.