LLVM

Low Level Virtual Machine

1. https://github.com/llvm/llvm-project
2. https://llvm.org/
3. https://github.com/GZhonghui/taichi-mini

1. LLVM编译器基础设施 https://llvm.gnu.ac.cn/
2. 用户指南 https://llvm.gnu.ac.cn/docs/UserGuides.html
3. NVPTX 后端用户指南 https://llvm.gnu.ac.cn/docs/NVPTXUsage.html
4. 使用 clang 编译 CUDA https://llvm.gnu.ac.cn/docs/CompileCudaWithLLVM.html

[存疑]可以理解为是一个编译器的模板【后日补充：说法不太准确】

Clang是基于LLVM的编译器（是llvm项目的一个子项目）【后日补充：clang只是前端，不是完整编译器】

gcc 是编译器，输入源代码（文本），输出可执行程序（二进制、机器指令）。那么这中间发生了什么呢？整体来说肯定是很复杂，但简单来说 gcc 首先解析（或者说理解）代码的内容，将其转变为某种抽象表示（比如树或图、AST抽象语法树、中间层表示IR），然后将这个「抽象表示」其转为机器指令。

语法解析这一步，每种语言都是不同的（因为语法不同嘛），但是从「抽象表示、IR」到机器语言这一步，是比较类似的，可以模板化的，LLVM做的就是这一步。所以LLVM本身也被称为「后端」，那么对应的前端是什么呢？也就是各种语言的语法解析器，对应的C家族的语法解析器就是clang。也就是说clang（前端，语法解析）+LLVM（后端，优化，机器指令生成）就可以构成一个基本的编译器了。

而我们通过修改前端语法解析的部分，也就可以「比较容易」地创建一门新的语言，或者拓展现有语言的语法。比如CUDA基本上是基于C++的，但是拓展了C++的语法，，而且不是用宏等形式，而是真正有原生C++之外的操作符，比如<<<>>>，据说CUDA的编译器nvcc一部分就是使用的LLVM后端。

那么链接器呢？其实链接器（应该）不影响性能（或者影响不大？），而且基本上链接器（linker）是通用的，只要它支持目标平台的二进制格式（比如 ELF for Linux, Mach-O for macOS, PE for Windows等）。所以clang + llvm的编译结果可以使用GUN的链接器（ld）进行链接。当然，链接器不影响性能但是链接器本身有性能好坏，比如链接的速度和内存占用，而llvm项目也包含一个新的链接器lld。

关于链接器的部分，还有一些想补充的：GUN的链接器是ld，LLVM的链接器是lld（gold是一个更老的链接器），两者（基本上）可以通用，但是可能很少见到有人直接调用链接器。其实直接调用链接器是可行的，但是需要自己加上C的很多标准库，指定入口等，比较麻烦。所以我们一般调用gcc a.o b.o c.a这样的命令，其实这不是编译，而是请编译器帮我们加上需要链接的标准库后，再使用链接器完成链接。所以gcc其实是接受「指定链接器」的参数的（-fuse-ld=lld）。

另外，在链接的时候，可能会看到一个叫作collect2的程序，它是什么呢？ld 是 GNU 链接器，是实际执行链接过程的工具；collect2 是 GCC 的辅助程序，在调用 ld 之前和之后执行一些额外操作，它并不真正进行链接，而是调用 ld 来完成链接任务。当使用 g++ 或 gcc 编译程序时，实际上发生的流程可能是：g++ → collect2 → ld。总之collect2是「链接前的辅助程序」。

调试器呢？llvm项目也包含一个叫作lldb的调试器。

代码地址：https://github.com/llvm/llvm-project（所有的子项目都放在一个repo下面）

llvm-project（LLVM项目）包含以下子项目：

1. llvm（llvm本身，核心项目，后端）[必需]
2. clang（语法解析器，前端）
3. lld（链接器）
4. lldb（调试器）
5. …（其他子项目）

llvm是项目核心，也是必需，其他所有子项目都依赖于llvm。

首先，LLVM工程包含很多子项目，我们可以选择编译哪些（除了llvm本身是必需）。llvm是其他所子项目的基础，所以llvm必需编译，其他可选。也是因为如此，llvm/CMakeLists.txt是CMake的入口（参照CMake的分层），其他的CMakeLists.txt，比如clang/下面的，请不要直接cmake，而是应该从llvm/CMakeLists.txt开始，通过指定cmake参数的方式，指定编译clang（不需要指定llvm，因为是一定会被编译的）。

基础的编译流程如下：（https://llvm.org/docs/GettingStarted.html）

# 首先 clone 代码

# cmake
cmake -S llvm -B build -G "Unix Makefiles" -DCMAKE_BUILD_TYPE=Debug -DLLVM_ENABLE_PROJECTS='clang;lld'

# make
cmake --build build -- -j8

编译LLVM这种大型项目，同时包含多个子项目 + Debug模式 + 编译线程开的比较多：容易爆内存（参见Makefile）

• LLVM对CUDA的支持

clang可以编译CUDA代码！开源伟大！

NVIDIA 的 NVCC（NVIDIA CUDA Compiler）部分使用了 LLVM 后端，但具体情况稍微复杂一些。

简要结论：

• NVCC 本身不是完全基于 LLVM 的，它是一个混合型编译器，使用 自己的前端 和 多种后端。
• 近年来，NVIDIA 逐步将 LLVM 引入其编译工具链中，尤其是在底层代码生成阶段。
• NVIDIA 还维护了一个 LLVM 分支版本，用于 CUDA 支持。

更具体的情况：

1. NVCC 的结构（简化）：

• 前端（Frontend）：解析 CUDA C/C++ 代码，识别 __global__, __device__, __host__ 等 CUDA 关键字。
• 中间部分：会把代码拆分成 CPU 和 GPU 两部分。

  • CPU 部分会交给宿主编译器（如 GCC、Clang、MSVC）去编译。
  • GPU 部分会进一步处理成 PTX 或 SASS。
• 后端（Backend）：用于将 GPU 部分代码生成 PTX（Parallel Thread Execution）代码，最终可能进一步编译为 SASS（二进制）。

2. LLVM 的使用：

• NVIDIA 维护了自己的 LLVM 分支，叫做 nvptx（用于生成 PTX 代码）。
• 官方提供了名为 clang++ 的 LLVM 工具链编译器，用于支持 CUDA，称为 clang CUDA。

  • LLVM 社区中已有对 CUDA 的支持，NVIDIA 也协助推动了这一发展。
• 近年来，HPC 和 AI 领域广泛使用的 NVIDIA HPC SDK 中的编译器工具（如 nvc++）更明确地使用 LLVM 作为核心后端。

3. NVIDIA HPC SDK 的 LLVM 化：

• NVIDIA 在 HPC SDK 中的 nvc++、nvc 等编译器已经是 完全基于 LLVM 的编译器。
• 这些编译器也支持 CUDA 和 OpenMP Offloading，并提供现代化的诊断和优化功能。

总结：

如果你是在考虑编译 CUDA 程序时是否可以用 Clang 或其他 LLVM 工具链，也可以进一步了解 clang++ --cuda-gpu-arch 等选项。

LLVM是Apple投资的，而在Mac上默认情况下， /usr/bin/gcc 并不是真正的 GNU GCC，而是指向 Apple 自家编译的 Clang。（macOS 从 Xcode 4.2（2011 年发布）开始默认移除了 GNU GCC，只保留了 Clang 编译器 ）。所以在MacOS上测试，记录编译环境的时候，不要因为用的命令是gcc就写编译器是gcc（除非你真的确定用的是自己安装的gcc）。

sudo apt install llvm clang llvm-dev # 暂未验证

brew install llvm

从官网下载，然后配置路径

安装好后可能需要配置PATH才能访问到llvm-config，能访问到就是安装成功了

llvm-config --version

# 使用 llvm-config 可以给出编译 & 链接的参数

llvm-config --cxxflags --ldflags --libs core
# --cxxflags 给出编译参数，比如-Iinclude_path
# --ldflags 给出链接参数，比如-Llink_path
# --libs core 指定需要链接哪些组件，比如core，给出链接需要的链接参数（应该是）
# 常见的组件有：core executionengine mcjit native

Intermediate Representation, IR

MCJIT 或 Orc

LLVM（Low Level Virtual Machine）是一个强大的编译器架构，支持静态和动态编译语言的前端和后端。它不仅是一种特定的软件产品，而是一个包括编译器、工具链和中间表示（Intermediate Representation，IR）语言的完整系统，旨在优化编译时间、程序运行时间以及空闲时间的代码生成和执行。

LLVM的核心特征包括：

1. 模块化和可重用性：LLVM提供一个良好定义的中间表示（IR），可以用于不同阶段的编译和优化，从而实现编译器组件的重用。
2. 支持多种编程语言：通过不同的“前端”支持C、C++、Objective-C、Fortran、Ada、Haskell、Java字节码、Python、Ruby、Swift等多种语言。
3. 灵活的中间表示：LLVM IR是类型安全、低级、RISC-like的，支持高级的编译技术和精细的优化。
4. 广泛的优化阶段：LLVM包括许多编译时、链接时、运行时以及闲置时的优化支持。
5. 跨平台支持：支持生成多种平台上的代码，包括Windows、Linux、Mac OS X以及多种硬件架构。

LLVM的这些特性使得它不仅被用作传统编译器的后端，也被用于其他类型的语言处理工具，例如静态分析工具和即时编译器。此外，LLVM的设计也极大地促进了编译器开发的研究和教育，因为其代码库具有高度的可读性和文档完善。