linux内核

作者 | 刘欣
本文经授权转载自码农翻身（ID：coderising）

 这是来自我的星球的一个提问：“C语言本身用什么语言写的？”


换个角度来问，其实是：C语言在运行之前，得编译才行，那C语言的编译器从哪里来？ 用什么语言来写的？如果是用C语言本身来写的，到底是先有蛋还是先有鸡？





1





我们假设世界上不存在任何编译器， 先从机器语言说起，看看怎么办。 



机器语言可以直接被CPU执行，不需要编译器。



然后是汇编语言， 汇编语言虽然只是机器语言的助记符，但是也需要编译成机器语言才能执行，没办法只能用机器语言来写这第一个编译器了（以后就不用了）。 



汇编语言的问题解决了，就往前迈进了一大步，这时候就可以用汇编语言去写C语言的编译器，我们说这是C编译器的老祖宗。 



有了这个老祖宗，就可以编译任意的C语言程序了，那是不是可以用C语言本身写一个编译器？只要用老祖宗编译一下就可以了。



OK， 这么一层层上来，终于得到了一个用C语言写的编译器， 真是够麻烦的。 



到这个时候，之前那个汇编写的C语言编译器就可以抛弃了。 



当然，如果在C语言之前，已经出现了别的高级语言，例如Pascal，那就可以用Pascal来写一个C语言的编译器。



第一个Pascal的编译器据说使用Fortran写的。而做为第一个高级语言的Fortran，它的编译器应该是汇编语言写的。





2





关于编译器，这里边有个有趣的传说：



传说Unix 发明人之一的 Ken Thompson在贝尔实验室，大摇大摆的走到任何一台Unix机器前，输入自己的用户名和密码，就能以root的方式登录！ 



贝尔实验室人才济济，另外一些大牛发誓要把这个漏洞找出来，他们通读了Unix的C源码，终于找到了登录的后门， 清理后门以后编译Unix , 运行， 可是Thompson 还是能够登录进去。



有人觉得可能是编译器中有问题，在编译Unix的时候植入了后门， 于是他们又用C语言重新写了一个编译器，用新的编译器再次编译了Unix， 这下总算天下太平了吧。



可是仍然不管用， Thompson 依然可以用root登录，真是让人崩溃 ！



后来Thompson 本人解开了秘密，是第一个C 语言编译器有问题， 这个编译器在编译Unix源码的时候，当然会植入后门， 这还不够，更牛的是，如果你用C 语言写了一个新编译器，肯定也需要编译成二进制代码啊，用什么来编译，只有用Thompson写的那第一个编译器来编译，好了， 你写的这个编译器就会被污染了，你的编译器再去编译Unix , 也会植入后门 :-)



说到这里我就想起了几年前的XcodeGhost 事件，简单来说就是在Xcode（非官方渠道下载的）中植入了木马，这样XCode编译出的ios app都被污染了，这些app就可以被黑客利用做非法之事。 



虽然这个XCodeGhost和Thompson的后面相比差得远，但是提醒我们，下载软件的时候要走正规渠道，从官方网站下载，认准网站的HTTPS标准，甚至可以验证一下checksum。





3





可能有人问：我用汇编写一段Hello World都很麻烦，居然有人可以用它写复杂的编译器？这可能吗？



当然可能，在开发第一代Unix的时候，连C语言都没有， Ken Thompson 和 Dennis Ritchie 可是用汇编一行行把Unix敲出来的。   WPS第一版是求伯君用汇编写出来的， Turbo Pascal 的编译器也是Anders 用汇编写出来的，大神们的能力不是普通人能想象得到的。 



对于编译器来说，还可以采用“滚雪球”的方式来开发：



还是以C语言为例，第一个版本可以先选择C语言的一个子集，例如只支持基本的数据类型，流程控制语句，函数调用...... 我们把这个子集称为C0。



然后用汇编语言写个编译器，只搞定这个语言的子集C0，这样写起来就容易不少。



C0这个语言可以工作了，然后我们扩展这个子集，例如添加struct，指针......  ，把新的语言称为C1。 



那C1这个语言的编译器由谁来写？   自然是C0。



等到C1可以工作了，再次扩展语言特性，用C1写编译器，得到C2。 



然后是C3, C4......  最后得到完整的C语言。



这个过程被称为bootstraping ， 中文叫做自举。

作者简介：刘欣，畅销书《码农翻身》作者，15年以上开发经验，前 IBM 架构师，领导过多个企业应用架构设计和开发工作；洞察技术本质，擅长用故事去讲解复杂技术。