【熱點推薦】在JavaScript中使用C程序
JavaScript 是個靈活的腳本語言，能方便的處理業務邏輯。當需要傳輸通信時，我們大多選擇 JSON 或 XML 格式。
但在數據長度非常苛刻的情況下，文本協議的效率就非常低了，這時不得不使用二進制格式。
去年的今天，在折騰一個 前后端結合的 WAF 時，就遇到了這個麻煩。
因為前端腳本需要采集不少數據，而最終是隱寫在某個 cookie 里的，因此可用的長度非常有限，只有幾十個字節。
如果不假思索就用 JSON 的話，光一個標記字段 {"enableXX": true} 就占去了一半長度。然而在二進制里，標記 true 或 false 不過是 1 個比特的事，可以節省上百倍的空間。
同時，數據還要經過校驗、加密等環節，只有使用二進制格式，才能方便的調用這些算法。
優雅實現
不過，JavaScript 并不支持二進制。
這里的「不支持」不是說「無法實現」，而是無法「優雅實現」。語言的發明，就是用來優雅解決問題的。即使沒有語言，人類也可以用機器指令來編寫程序。
如果非要用 JavaScript 操作二進制，最終就類似這樣：
var flags = +enableXX1 << 16 | +enableXX2 << 15 | ...
雖然能實現，但很丑陋。各種硬編碼、各種位運算。
然而，對于先天支持二進制的語言，看起來就十分優雅：
- union {
- struct {
- int enableXX1: 1;
- int enableXX2: 1;
- ...
- };
- int16_t value;
- } flags;
- flags.enableXX1 = enableXX1;
- flags.enableXX2 = enableXX2;
開發者只需定義一個描述即可。使用時，字段偏移多少、如何讀寫，這些細節完全不用關心。
為了能達到類似效果，起先封裝了一個 JS 版的結構體：
- // 最初方案：封裝一個 JS 結構體
- var s = new Struct([
- {name: 'month', bit: 4, signed: false},
- ...
- ]);
- s.set('month', 12);
- s.get('month');
將細節進行了隱藏，看起來就優雅多了。
優雅但不***
但是，這總感覺不是最***的。結構體這種東西，本該由語言提供，如今卻要用額外的代碼實現，而且還是在運行期間。
另外，后端解碼是用 C 實現的，所以得維護兩套代碼。一旦數據結構或者算法變了，得同時更新 JS 和 C，很麻煩。
于是琢磨，能否共用一套 C 代碼，同時用于前端和后端？
也就是說，需要能將 C 編譯成 JS 來運行。
認識 emscripten
能將 C 編譯成 JS 的工具有不少，最專業的要數 emscripten。
emscripten 的使用方式很簡單，和傳統 C 編譯器差不多，只不過生成的是 JS 代碼。
- ./emcc hello.c -o hello.html
- // hello.c
- #include <stdio.h>
- #include <time.h>
- int main() {
- time_t now;
- time(&now);
- printf("Hello World: %s", ctime(&now)); return 0;
- }
編譯之后即可運行：
很有趣吧~ 大家可以嘗試下，這里就不多介紹了。
實用缺陷
然而我們關心的不是有趣，而是實用。
事實上，即使一個 Hello World 編譯出來的 JS 也過萬行，多達數百 KB。就算壓縮再 GZIP，仍有幾十 KB。
同時 emscripten 使用了 asm.js 規范，內存訪問是通過 TypedArray 實現的。
這意味著 IE10 以下的用戶都無法運行。這也是不可接受的。
因此，我們得做如下改進：
-
減少體積
-
增加兼容
首先寄托 emscripten 本身，看看能不能通過設置參數，來達到我們的目的。
不過一番嘗試之后，并沒有成功。那只能自己動手實現了。
減少體積
為什么最終腳本會那么大，里面都放了些什么？分析了下內容，大致有這幾個部分：
-
輔助功能
-
接口模擬
-
初始化操作
-
運行時函數
-
程序邏輯
輔助功能
比如字符串和二進制轉換、提供回調包裝等。這些基本都是用不著的，我們可以給自己寫個特殊的回調函數。
接口模擬
提供文件、終端、網絡、渲染等接口。之前見過用 emscripten 移植的客戶端游戲，看來模擬了不少接口。
初始化操作
全局內存、運行時、各種模塊的初始化。
運行時函數
純粹的 C 只能做簡單的計算，很多功能都依靠運行時函數。
不過，有些常用的函數，其背后的實現是及其復雜的。例如 malloc 和 free，對應的 JS 有近 2000 行！
程序邏輯
這才是 C 程序真正對應的 JS 代碼。因為編譯時經過 LLVM 的優化，邏輯可能變得面目全非了。
這部分代碼量不大，是我們真正想要的。
事實上，如果程序沒有用到一些特殊功能的話，把邏輯函數單獨摳出來，仍然是可以運行的！
考慮到我們的 C 程序非常簡單，所以簡單粗暴的提取出來，也是沒問題的。
C 程序對應的 JS 邏輯位于 // EMSCRIPTEN_START_FUNCS 和 // EMSCRIPTEN_END_FUNCS 之間。過濾掉運行時函數，剩下的就是 100% 的邏輯代碼了。
增加兼容
接著解決內存訪問的兼容性問題。
首先了解下，為何要用 TypedArray。
emscripten 申請了一大塊 ArrayBuffer 來模擬內存，然后關聯了一些 HEAP 開頭的變量。
這些不同類型的 HEAP 共享同一塊內存，這樣就能高效的指針操作。
然而不支持 TypedArray 的瀏覽器，顯然無法運行。所以得提供個 polyfill 兼容下。
但經分析，這幾乎不可能實現 —— 因為 TypedArray 和數組一樣，是通過索引來訪問的：
- var buf = new UInt8Array(100);
- buf[0] = 123; // set
- alert(buf[0]); // get
然而 [] 操作符在 JS 里是無法重寫的，因此難以將其變成 setter 和 getter。況且不支持 TypedArray 的都是低版本 IE，更不用考慮 ES6 的那些特征。
于是琢磨 IE 的私有接口。比如用 onpropertychange 事件來模擬 setter。不過這樣做效率極低，而且 getter 仍不易實現。
經過一番考慮，決定不用鉤子的方式，而是直接從源頭上解決 —— 修改語法！
我們用正則，找出源碼中的賦值操作:
- HEAP[index] = val;
替換成:
- HEAP_SET(index, val);
類似的，將讀取操作:
- HEAP[index]
替換成:
- HEAP_GET(index)
這樣，原先的索引操作，就變成函數調用了。我們就能接管內存的讀寫，并且沒有任何兼容性問題！
然后實現 8、16、32 位有無符號的版本。通過 JS 的 Array 來模擬，非常簡單。
麻煩的是模擬 Float32 和 Float64 兩個類型。不過本次 C 程序中并未用到浮點，所以就暫不實現了。
到此，兼容性問題就解決了。
大功告成
解決了這些缺陷，我們就可以愉快的在 JS 中使用 C 邏輯了。
作為腳本，只需關心采集哪些數據。這樣 JS 代碼就非常的優雅：
數據的儲存、加密、編碼，這些底層數據操作，則通過 C 實現。
編譯時使用 -Os 參數優化體積。最終的 JS 混淆壓縮之后，還不到 2 KB，十分小巧精煉。
更***的是，我們只需維護一份代碼，即可同時編譯出前端和后端兩個版本。
于是，這個「前后端 WAF」開發就容易多了。
所有的數據結構和算法，都由 C 實現。前端編譯成 JS 代碼，后端編譯成 lua 模塊，供 nginx-lua 使用。
前后端的腳本，都只需關注業務功能即可，完全不用涉及數據層面的細節。
測試版
事實上，還有第三個版本 —— 本地版。
因為所有的 C 代碼都在一起，因此可以方便的編寫測試程序。
這樣就無需啟動 WebServer、打開瀏覽器來測試了。只需模擬一些數據，直接運行程序即可測試，非常輕量。
同時借助 IDE，調試起來更容易。
小結
每一門語言都有各自的優缺點。將不同語言的優勢相互結合，可以程序變得更優雅、更***。
