Etapas finales de un traductor

1
Etapas finales de un traductor

• M.C. Juan Carlos Olivares Rojas

Noviembre 2009
2
Agenda

• Generador de código intermedio (opcional)
• Optimizador (puede ser opcional e ir en esta
  etapa o hasta después de haber generado la
  traducción)
• Generador de código objeto.

3
Generación de Código Intermedio

• Etapas Finales de un Traductor

4
Agenda

• Lenguajes intermedios.
• Notaciones.
• Infija.
• Postfija.
• Prefija.
• Representación de código intermedio.
• Notación Polaca.
• Codigo P.
• Triplos y Cuádruplos.

5
Agenda

• Esquemas de generación.
• Expresiones.
• Declaración de variables, constantes
• Estatuto de asignación.
• Estatuto condicional.
• Estatuto de ciclos
• Arreglos.
• Funciones.

6
Código Intermedio

• Es una etapa opcional en muchos casos que ayuda a
  simplificar la producción de código objeto
• La administración de la memoria se da en esta
  etapa.
• Se debe considerar tanto la memoria estática como
  dinámica, y en esta se utilizan generalmente
  pilas.

7
Generador de Cod. Intermedio

• Los lenguajes intermedios generalmente tienen
  árboles de derivación más pequeños que su
  contraparte original.
• Se puede representar un árbol sintáctico con un
  Grafo Dirigido Acíclico (GDA).
• La notación postfija es una manera linealizada de
  representar un árbol sintáctico.

8
Generador Cod. Intermedio

• a b-cb-c
• abc -bc -
• x y op z
• xyz
• t1yz
• t2xt1

9
Lenguajes intermedios

• Los lenguajes intermedios nos sirven para
  representar la producción final de nuestro
  lenguaje fuente.
• Existen muchos lenguajes intermedios, la mayoría
  de ellos son una representación más simplificada
  del código original para facilitar la traducción
  hacia el código final.

10
Lenguajes Intermedios

• Otros lenguajes intermedios sirven de base o como
  representación parcial de otros procesos.
• Por ejemplo al compilar un programa en C en
  Windows o DOS, se produce un código objeto con
  extensión .obj para que posteriormente el
  enlazador cree finalmente el código executable
  .exe

11
Lenguajes Intermedios

• En sistemas basados en Unix, también ocurre algo
  similar generándose un archivo .o y el executable
  a.out
• Otros lenguajes intermedios famosos son los
  generados para la máquina virtual de Java el
  bytecode y para la máquina virtual de .NET el
  MISL para luego ejecutarse en tiempo de ejecución
  JIT (Just in Time)

12
Lenguajes Intermedios

• Otros lenguajes intermedios se utilizan en
  sistemas distribuidos como RPC, CORBA y su IDL,
  etc.
• En este caso estos lenguajes intermedios se
  encargan de enmascarar toda la heterogeneidad de
  las comunicaciones distribuidas en una computadora

13
Notaciones

• Las notaciones sirven de base para expresar
  sentencias bien definidas.
• El uso más extendido de las notaciones sirve para
  expresar operaciones aritméticas.
• Las expresiones aritméticas se pueden expresar de
  tres formas distintas infija, prefija y postfija.

14
Notaciones

• La diversidad de notaciones corresponde en que
  para algunos casos es más sencillo un tipo de
  notación.
• Las notaciones también dependen de cómo se
  recorrerá el árbol sintáctico, el cual puede ser
  en inorden, preorden o postorden teniendo una
  relación de uno a uno con la notación de los
  operadores.

15
Infija

• La notación infija es la más utilizada por los
  humanos por que es la más comprensible ya que
  ponen el operador entre los dos operandos. Por
  ejemplo ab-5.
• No existe una estructura simple para representar
  este tipo de notación en la computadora por esta
  razón se utilizan otras notaciones.

16
Postfija

• La notación postfija pone el operador al final de
  los dos operandos, por lo que la expresión queda
  ab5-
• La notación posftfija utiliza una estructura del
  tipo LIFO (Last In First Out) pila, la cual es la
  más utilizada para la implementación.

17
Prefija

• La notación prefija pone el operador primero que
  los dos operandos, por lo que la expresión
  anterior queda ab-5.
• Esto se representa con una estructura del tipo
  FIFO (First In First Out) o cola.
• Las estructuras FIFO son ampliamente utilizadas
  pero tienen problemas con el anidamiento
  aritmético.

18
Representación Cod Int.

• Existen maneras formales para representar código
  intermedio.
• Estas notaciones simplifican la traducción de
  nuestro código fuente a nuestro código objeto ya
  que ahorran y acotan símbolos de la tabla de
  símbolos

19
Código P

• El código P hace referencia a máquinas que
  utilizan o se auxilian de pilas para generar
  código objeto.
• En muchos caso la P se asociado a código portable
  el cual garantiza que el código compilado en una
  máquina se pueda ejecutar en otras.

20
Código P

• Para garantizar la portabilidad del código se
  necesita que el lenguaje este estandarizado por
  algún instituto y que dicho código no tenga
  extensiones particulares.
• También se recomienda la no utilización de
  características especiales exclusivas de alguna
  arquitectura de computadoras en particular.

21
Triplos

• Las proposiciones de tres direcciones se parece
  mucho al ensamblador, el cual es un lenguaje
  intermedio más entendible para la máquina.
• Las estructuras de control (if, switch, while,
  do-while, for) son realmente etiquetas goto
  disfrazadas.

22
Triplos

• El problema de utilizar cuádruplos radica en que
  se tienen que colocar los valores temporales en
  la tabla de símbolo.
• Con una estructura de tres campos se pueden
  omitir los valores temporales, dicha estructura
  recibe el nombre de triples y tiene los
  siguientes campos op, arg1 y arg2

23
Triplos

• Generalmente el código que generan los triples
  recibe el nombre de código de dos direcciones,
  aunque en ocasiones puede variar.
• Cuando se utilizan triples se ocupan punteros a
  la misma estructura de los triples.
• b t1 t2 //cuádruplos
• b (0) //triple

24
Triplos

• Se debe tener en cuenta el proceso de asignación,
  de declaración, expresiones booleanas.
• Las expresiones lógicas también pueden pasarse a
  código de tres direcciones, utilizando para ello
  expresiones en corto circuito.

25
Triplos

• La evaluación de expresiones en corto circuito
  implica que se evalúan condiciones revisando
  valores anteriores por ejemplo, para el operador
  AND con una condición que se detecte como falsa
  toda la expresión es falsa, en el caso del
  operador OR si se encuentra una condición
  verdadera todo será verdadera
• Cómo resuelven los compiladores las expresiones?
  Forma Normal disyuntiva

26
Triplos

• La notación de tres direcciones es una forma
  abstracta de código intermedio.
• Esta notación se puede implementar como registros
  con campos para el operador y operadores.

27
Intérpretes

• Los interpretes generalmente utilizan este
  triplos para generar el código intermedio para
  ejecutarse una vez considerado la instrucción
  como válido.
• En este sentido, un compilador es más difícil de
  implementar ya que tendrá que mantener todas las
  estructuras generadas que en muchas ocasiones
  serán cuadruplos.

28
Cuadruplos

• Es una estructura tipo registro con cuatros
  campos que se llaman op, arg1, arg2 y resultado.
  OP tiene un código intermedio.
• Los operadores unarios como x-y no utilizan
  arg2. Generalmente arg1, arg2 y resultado son
  valores de tipo puntero y apuntan a una entrada
  en la tabla de símbolos.

29
Esquemas de Generación

• Los esquemas de generación son las estrategias o
  acciones que se deberán realizarse y tomarse en
  cuenta en el momento de generar código
  intermedio.
• Los esquemas de generación dependen de cada
  lenguaje. Tomaremos algunos esquemas de
  generación del lenguaje C.

30
Expresiones

• Para generar expresiones estas deben
  representarse de manera más simple y más literal
  para que su conversión sea más rápida.
• Por ejemplo la traducción de operaciones
  aritméticas debe especificarse una por una, de
  tal forma que una expresión sea lo más mínimo
  posible.

31
Declaración de variables

• Las declaraciones de variables y constantes deben
  separarse de tal manera que queden las
  expresiones una por una de manera simple.
• Por ejemplo int a,b,c se descompone a int a int
  b intc respectivamente.

32
Estatutos de Asignación

• Las operaciones de asignación deben quedar
  expresadas por una expresión sencilla, si está es
  compleja se debe reducir hasta quedar un operador
  sencillo.
• Por ejemplo x ab/5 debe quedar de la forma y
  b/5 z ay xz.

33
Estatuto Condicional

• Las condiciones deben expresarse de manera lo más
  sencilla posible de tal forma que puedan
  evaluarse en cortocircuito. Por ejemplo una
  instrucción como if (a b f!5 f30) se
  evalúa primero x (ab f!5)y x f30
  if (y)
• Las instrucciones de decisión compleja como
  switch se reducen a una versión complejas de ifs

34
Estatuto de Ciclos

• Los ciclos se descomponen en un ciclo genérico,
  por lo que ciclos while, for y do- while tienen
  la misma representación interna. En el caso de C,
  todo queda en forma de while.
• Las condiciones lógicas también pueden ser
  evaluadas en cortocircuito y reducidas.

35
Arreglos

• Los arreglos se descomponen en estructuras
  básicas de manejo de manera simple, así por
  ejemplo char aHola se reduce a a0H
  a1o a2l a3a a4\0

36
Funciones

• Las funciones pueden reducir a en línea, lo que
  se hace es expander el código original de la
  función.
• Las funciones se descomponen simplificando los
  parámetros de manera individual al igual que el
  valor de retorno.

37
Optimización

• Etapas Finales del Proceso de Traducción

38
Agenda

• Tipos de optimización.
• Locales.
• Bucles.
• Globales.
• De mirilla.
• Costos.
• Costo de ejecución.
• Criterios para mejorar el código.
• Herramientas para el análisis del flujo de datos.

39
Tipos de Optimización

• Las optimizaciones pueden realizarse de
  diferentes formas. Las optimizaciones se realizan
  en base al alcance ofrecido por el compilador.
• La optimización va a depender del lenguaje de
  programación y es directamente proporcional al
  tiempo de compilación es decir, entre más
  optimización mayor tiempo de compilación.

40
Tipos de Optimización

• Como el tiempo de optimización es gran consumidor
  de tiempo (dado que tiene que recorrer todo el
  árbol de posibles soluciones para el proceso de
  optimización) la optimización se deja hasta la
  fase de prueba final.
• Algunos editores ofrecen una versión de
  depuración y otra de entrega o final.

41
Tipos de Optimización

• La optimización es un proceso que tiene a
  minimizar o maximizar alguna variable de
  rendimiento, generalmente tiempo, espacio,
  procesador, etc.
• Desafortunamente no existen optimizador que hagan
  un programa más rápido y que ocupe menor espacio.

42
Tipos de optimización

• La optimización se realiza reestructurando el
  código de tal forma que el nuevo código generado
  tenga mayores beneficios.
• La mayoría de los compiladores tienen una
  optimización baja, se necesita de compiladores
  especiales para realmente optimizar el código.

43
Optimización Local

• La optimización local se realiza sobre módulos
  del programa. En la mayoría de las ocasiones a
  través de funciones, métodos, procedimientos,
  clases, etc.
• La característica de las optimizaciones locales
  es que sólo se ven reflejados en dichas secciones.

44
Optimización Local

• La optimización local sirve cuando un bloque de
  programa o sección es crítico por ejemplo la
  E/S, la concurrencia, la rapidez y confiabilidad
  de un conjunto de instrucciones.
• Como el espacio de soluciones es más pequeño la
  optimización local es más rápida

45
Optimización de Ciclos

• Los ciclos son una de las partes más esenciales
  en el rendimiento de un programa dado que
  realizan acciones repetitivas, y si dichas
  acciones están mal realizadas, el problema se
  hace N veces más grandes.
• La mayoría de las optimizaciones sobre ciclos
  tratan de encontrar elementos que no deben
  repetirse en un ciclo.

46
Optimización de Ciclos

• Sea el ejemplo
• while(a b)
• int c a
• c 5
• En este caso es mejor pasar el int c a fuera
  del ciclo de ser posible.

47
Optimización de ciclos

• El problema de la optimización en ciclos y en
  general radica es que muy difícil saber el uso
  exacto de algunas instrucciones. Así que no todo
  código de proceso puede ser optimizado.
• Otros uso de la optimización pueden ser el
  mejoramiento de consultas en SQL o en
  aplicaciones remotas (sockets, E/S, etc.)

48
Optimización Global

• La optimización global se da con respecto a todo
  el código.
• Este tipo de optimización es más lenta pero
  mejora el desempeño general de todo programa.
• Las optimizaciones globales pueden depender de la
  arquitectura de la máquina.

49
Optimización Global

• En algunos casos es mejor mantener variables
  globales para agilizar los procesos (el proceso
  de declarar variables y eliminarlas toma su
  tiempo) pero consume más memoria.
• Algunas optimizaciones incluyen utilizar como
  variables registros del CPU, utilizar
  instrucciones en ensamblador.

50
Optimización de Mirilla

• La optimización de mirilla trata de estructurar
  de manera eficiente el flujo del programa, sobre
  todo en instrucciones de bifurcación como son las
  decisiones, ciclos y saltos de rutinas.
• La idea es tener los saltos lo más cerca de las
  llamadas, siendo el salto lo más pequeño posible

51
Costos

• Los costos son el factor más importante a tomar
  en cuenta a la hora de optimizar ya que en
  ocasiones la mejora obtenida puede verse no
  reflejada en el programa final pero si ser
  perjudicial para el equipo de desarrollo.
• La optimización de una pequeña mejora tal vez
  tenga una pequeña ganancia en tiempo o en espacio
  pero sale muy costosa en tiempo en generarla.

52
Costos

• Pero en cambio si esa optimización se hace por
  ejemplo en un ciclo, la mejora obtenida puede ser
  N veces mayor por lo cual el costo se minimiza y
  es benéfico la mejora.
• Por ejemplo for(int i0 i lt 10000 i) si la
  ganancia es de 30 ms 300s

53
Costos de Ejecución

• Los costos de ejecución son aquellos que vienen
  implícitos al ejecutar el programa.
• En algunos programas se tiene un mínimo para
  ejecutar el programa, por lo que el espacio y la
  velocidad del microprocesadores son elementos que
  se deben optimizar para tener un mercado
  potencial más amplio.

54
Costos de Ejecución

• Las aplicaciones multimedia como los videojuegos
  tienen un costo de ejecución alto por lo cual la
  optimización de su desempeño es crítico, la gran
  mayoría de las veces requieren de procesadores
  rápidos (e.g. tarjetas de video) o de mucha
  memoria.
• Otro tipo de aplicaciones que deben optimizarse
  son las aplicaciones para dispositivos móviles.

55
Costos de Ejecución

• Los dispositivos móviles tiene recursos más
  limitados que un dispositivo de cómputo
  convencional razón por la cual, el mejor uso de
  memoria y otros recursos de hardware tiene mayor
  rendimiento.
• En algunos casos es preferible tener la lógica
  del negocio más fuerte en otros dispositivos y
  hacer uso de arquitecturas descentralizadas como
  cliente/servidor o P2P.

56
Criterios Mejora de Software

• La mejor manera de optimizar el código es hacer
  ver a los programadores que optimicen su código
  desde el inicio, el problema radica en que el
  costo podría ser muy grande ya que tendría que
  codificar más y/o hacer su código mas legible.
• Los criterios de optimización siempre están
  definidos por el compilador

57
Criterios de Optimización

• Muchos de estos criterios pueden modificarse con
  directivas del compilador desde el código o de
  manera externa.
• Este proceso lo realizan algunas herramientas del
  sistema como los ofuscadores para código móvil y
  código para dispositivos móviles.

58
Htas. Análisis Flujo Datos

• Existen algunas herramientas que permiten el
  análisis de los flujos de datos, entre ellas
  tenemos los depuradores y desambladores.
• La optimización al igual que la programación es
  un arte y no se ha podido sistematizar del todo.

59
Generación de Código Objeto

• Juan Carlos Olivares Rojas

60
Agenda

• Lenguaje máquina.
• Características.
• Direccionamiento.
• Lenguaje ensamblador.
• Características.
• Almacenamiento.
• Registros.
• Distribución.
• Asignación.
• Administración de memoria.

61
Lenguaje Máquina

• El lenguaje máquina sólo es entendible por las
  computadoras. Se basa en una lógica binaria de 0
  y 1, generalmente implementada por mecanismos
  eléctricos.
• En general el lenguaje máquina es difícil de
  entender para los humanos por este motivo hacemos
  uso de lenguajes más parecidos a los lenguajes
  naturales.

62
Características

• El lenguaje máquina realiza un conjunto de
  operaciones predeterminadas llamadas
  microoperaciones.
• Las microoperaciones sólo realizan operaciones
  del tipo aritmética (,-,, /), lógicas (AND, OR,
  NOT) y de control (secuencial, decisión,
  repetitiva)

63
Características

• El lenguaje máquina es dependiente del tipo de
  arquitectura. Así un programa máquina para una
  arquitectura intel x86 no se ejecutará en una
  arquitectura Power PC de IBM (al menos de manera
  nativa).
• Algunos microprocesadores implementan más
  funcionalidades llamado CISC, pero son más lentos
  que los RISC ya que estos tienen registros más
  grandes.

64
Direccionamiento

• Es la forma en como se accede a la memoria.
  Recordar que un programa no puede ejecutarse sino
  se encuentra en memoria principal.
• La forma de acceder a la memoria depende del
  microprocesador, pero en general existen dos
  tipos de direccionamiento directo e indirecto.

65
Direccionamiento

• El direccionamiento directo también recibe el
  nombre de direccionamiento absoluto y el acceso a
  las direcciones se hace de manera directa.
• El direccionamiento indirecto también recibe el
  nombre de direccionamiento relativo y se basa a
  partir de una dirección genérica, generalmente el
  inicio del programa.

66
Direccionamiento

• Para acceder a una dirección relativa se suma a
  la dirección base el número de espacios de
  memorias necesarias.
• El direccionamiento relativo hace a los programas
  relocalizables e independientes.
• Si la dirección base es el inicio de la memoria
  fija el direccionamiento pasa a ser un variante
  de direccionamiento absoluto.

67
Lenguaje Ensamblador

• El ensamblador (del inglés assembler) es un
  traductor de un código de bajo nivel a un código,
  ejecutable directamente por la máquina para la
  que se ha generado.
• Fue la primera abstracción de un lenguaje de
  programación, posteriormente aparecieron los
  compiladores.

68
Características

• El programa lee un archivo escrito en lenguaje
  ensamblador y sustituye cada uno de los códigos
  mnemotécnicos por su equivalente código máquina.
• Los programas se hacen fácilmente portables de
  máquina a máquina y el cálculo de bifurcaciones
  se hace de manera fácil.

69
Ensambladores

• Ensambladores básicos. Son de muy bajo nivel, y
  su tarea consiste básicamente en ofrecer nombres
  simbólicos a las distintas instrucciones,
  parámetros y cosas tales como los modos de
  direccionamiento.

70
Ensambladores

• Ensambladores modulares, o macro ensambladores.
  Descendientes de los ensambladores básicos,
  fueron muy populares en las décadas de los 50 y
  los 60, antes de la generalización de los
  lenguajes de alto nivel. Una macroinstrucción es
  el equivalente a una función en un lenguaje de
  alto nivel.

71
Almacenamiento

• Una de las principales ventajas del uso del
  ensamblador, es que se encarga de administrar de
  manera transparente para el usuario la creación
  de memoria, las bifurcaciones y el paso de
  parámetros. Además nos permite acceder
  directamente a los recursos de la máquina para un
  mejor desempeño.

72
Registros

• Los registros son la memoria principal de la
  computadora. Existen diversos registros de
  propósito general y otros de uso exclusivo.
• Algunos registros de propósito general son
  utilizados para cierto tipo de funciones.
  Existen registros acumuladores, puntero de
  instrucción, de pila, etc.

73
Distribución

• La distribución es el proceso en el que el
  programa generado puede ejecutarse en otras
  máquinas.
• Con respecto al ensamblador, la mayoría del
  direccionamiento se hace relativo para que el
  programa sea relocalizable por un programa
  llamado cargador

74
Distribución

• En el caso de programas compilados se necesitan
  de las librerías, si son estáticas se incluyen en
  el ejecutable por lo que el programa se hace
  gráfico, si son dinámicas no pero el programa es
  más pequeño.
• Debido a la complejidad del software actual se
  necesitan de asistentes para poder instalar y
  ejecutar un programa

75
Asignación

• La asignación de valores a variables se hace a
  través de un proceso de mover el contenido de
  memoria a registro, o de registro a memoria, pero
  nunca de memoria a memoria.
• Cuando se trata de memoria dinámica se debe
  seguir el rastro de los datos

76
Administración memoria

• La administración de la memoria e sun proceso hoy
  en día muy importante, de tal modo que su mal o
  buen uso tiene una acción directa sobre el
  desempeño de memoria.
• En general un ensamblador tiene un administrador
  de memoria más limitado que un compilador.

77
Administración de Memoria

• En la mayoría de los lenguajes de programación el
  uso de punteros no estaba vigilado por lo que se
  tienen muchos problemas con el uso de memoria.
  Los lenguajes más recientes controlan el uso de
  punteros y tienen un programa denominado
  recolector de basura que se encarga de limpiar la
  memoria no utilizada mejorando el desempeño.

78
Referencias

• Aho (2006), et. al. Compiladores Principios y
  Técnicas. Segunda Edición.

79
Preguntas?