從堆疊操作認識位元組碼

現代有不少程式語言，在編譯過後產生位元組碼（byte code），真正執行時，才會直譯為各平臺上可執行形式。因此，認識位元組碼是有價值的，然而翻開位元組碼相關文件，總是令人昏昏欲睡，多半也只能想像？那麼，試著從實際操作堆疊來操作位元組碼如何？

從堆疊開始

在實作語言時，必須經過語法剖析與詞法剖析，以產生對應的語法樹節點，所以，語言越複雜，這個階段處理也就越麻煩而耗時。

若語法樹節點的執行流程，能以某種指令形式儲存下來，下次執行時，直接載入、依序執行指令就好了，這省略了剖析上的相關階段，理論上，能使語言執行時獲得更好的效率，而且，由於位元組碼指令與格式是公開規範，不同平臺可以各自實作直譯位元組碼的程式，或者不同語言可以將執行流程轉換特定位元組碼，這使得位元組碼就類似於原生指令，而直譯位元組碼的程式就像是個虛擬機器。

編譯後產生位元組碼，最經典的代表語言，有Java與Python，不少文件討論介紹語言的位元組碼格式與指令，明瞭運作原理後，透過更高階的程式來閱讀，或是程式庫來操作位元組碼，也有實用價值。

雖然手寫位元組碼非常麻煩，然而試著自行實作簡單的位元組碼，對於各種位元組碼的理解，會有非常大的助益。這沒想像中難，第一步是先用語法樹寫些簡單的程式，像是1+2、3+4*5這類的算式，在能夠運行語法樹得到正確的執行結果後，試著將操作限定在堆疊上，寫些函式來封裝相關操作，例如數字節點Num執行時，可呼叫函式push(stack, self.value)，而函式內容為stack.append(value)，也就是在堆疊頂端放置一個數字。

相加的Add節點執行時，可呼叫self.left.evaluate(stack)、self.right.evaluate(stack)與add(stack)，add函式會從堆疊頂端依序取出兩個值，在相加後置入堆疊：

def add(stack):
r = stack.pop()
l = stack.pop()
stack.append(l + r)

因此，對於1+2，對應的語法節點Add(Num(1), Num(2)).evaluate(stack)執行後，stack頂端的值會是3，類似地，可用相同的方式，實作出減、乘、除等在堆疊上對應的操作，這可以參考我在〈Byte Code ABC - 1〉（https://goo.gl/qHdNCZ）的簡單實作。

記憶體中的位元組碼

到目前為止，我們所進行的，是基於堆疊架構的操作，這也是大多數位元組碼指令與虛擬機的基礎，在記憶體中對堆疊資料結構進行操作，將相關的操作封裝為函式，是為了熟悉堆疊導向（Stack-oriented）的程式設計思維。當然，在目前的程式執行結束後，堆疊就會消失，因而下一步是必須將操作化為位元組碼指令，以便有機會將之儲存下來。

方才談到的push、add函式名稱，就可以是個位元組碼指令，對於push(stack, self.value)來說，若self.value實際是1，可以設計簡單的位元組碼指令push 1，add雖然不需要引數，然而還設計為add _指令，_是為了讓位元組碼指令有固定的格式，後續在執行位元組碼時，就不會有錯綜複雜文法的剖析負擔，這也是為何位元組碼都規範有特定格式的原因。

設計出來的指令，並不用急著儲存到檔案去，我們可以先儲存在記憶體中，例如儲存在有序的list資料結構之中，這省去了一開始就得考慮檔案編碼，以及檔案中位元組碼格式等問題。

例如，若bytecodes是個list，數字節點Num要生成位元組碼時，可以執行bytecodes.append(f'push {self.value}')，相加的Add節點執行時，會執行self.left.bc_instructn(bytecodes)、self.right.bc_instructn(bytecodes)，接著才是bytecodes.append('add _')。

因此，對於5+2*3，也就是Add(Num(5), Mul(Num(2), Num(3))).bc_instructn(bytecodes)來說，bytecodes就會儲存push 5、push 2、push 3、mul _、add _的位元組碼，若要執行這些位元組碼，可以寫個簡單的vm函式：

def vm(bytecodes):
stack = []
for code in bytecodes:
instruction, value = code.split(' ')
instructions[instruction](stack, value)
return stack

instructions是個dict，值的部份是push、add等函式，操作都是在堆疊上進行，因而傳回的stack就包含了操作結果，這可以參考我在〈Byte Code ABC - 2〉（https://goo.gl/7BCbK5）的簡單實作。

Python的dis模組

在能夠實作簡單的算式之後，或許開發者會開始加入變數或者更多語法節點，以及相對應的位元組碼指令，而且會需要使用多個堆疊。如果對於該採用哪個位元組碼指令有困惑，此時，可以參考其他語言的位元組碼指令清單。以Python為例，方才的push指令類似於Python的LOAD_CONST，add指令類似於BINARY_ADD等。

若想觀察Python程式碼的位元組指令，可用標準程式庫提供的dis模組，位元組碼指令清單也可在dis模組的文件中找到。舉例來說，若定義add函式：

def add(a, b):
return a + b

若想探查add函式的定義內容，可以透過add的__code__特性，它是個code物件，擁有co_varnames（區域變數）等特性，代表函式上定義的各元素，而co_code是函式的位元組碼，然而它是以bytes傳回，可以透過dis的dis函式，將位元組碼翻譯為可讀指令並顯示出來，例如Python 3.7中，顯示的訊息會包含七個欄位，而不同指令會顯示的欄位資訊不同，dis.dis(add.__code__.co_code)的話會顯示：

2 0 LOAD_FAST 0 (a)
2 LOAD_FAST 1 (b)
4 BINARY_ADD
6 RETURN_VALUE

就上述欄位來說，第一行開頭的2代表原始碼第2行，亦即return a + b，0表示位元組指令位移，自Python 3.6起，每個位元組碼指令是使用兩個位元組儲存，因此會看到0、2、4、6的指令位移，LOAD_FAST是指令名稱，之後的0是指令需要的引數，就LOAD_FAST來說就是區域變數的編號，(a)則是參數名稱。有興趣更進一步認識Python的位元組碼，也可以參考PyCon 2016中〈Playing with Python Bytecode〉（https://goo.gl/oZdpL8）的演講內容。

堆疊導向的設計風格

除了從位元組碼上直接熟悉這種基於堆疊的操作，也可以借助wabt這類工具，來熟悉堆疊導向的設計風格，開發者可以使用方便閱讀的文字格式，具體來說，是使用S運算式來撰寫程式，再透過wat2wasm轉換為WebAssembly，有興趣的話，可以參考〈以WasmVM向WebAssembly說哈囉〉（https://goo.gl/uVcvq5），當中有詳細說明。

認識位元組碼的好處，也是認識程式碼寫法對效率的影響，就像修改位元組碼來改變程式行為，甚至自造語言時，編譯為特定VM或自創的位元組碼，實用價值完全取決於開發者對位元組碼的熟悉度！