PHP內核分析：Zend虛擬機
PHP 是一門解釋型的語言。諸如 Java、Python、Ruby、Javascript 等解釋型語言，我們編寫的代碼不會被編譯成機器碼運行，而是會被編譯中間碼運行在虛擬機（VM）上。運行 PHP 的虛擬機，稱之為 Zend 虛擬機，今天我們將深入內核，探究 Zend 虛擬機運行的原理。
OPCODE
什么是 OPCODE？它是一種虛擬機能夠識別并處理的指令。Zend 虛擬機包含了一系列的 OPCODE，通過 OPCODE 虛擬機能夠做很多事情，列舉幾個 OPCODE 的例子：
ZEND_ADD將兩個操作數相加。ZEND_NEW創建一個 PHP 對象。ZEND_ECHO將內容輸出到標準輸出中。ZEND_EXIT退出 PHP。
諸如此類的操作，PHP 定義了186個（隨著 PHP 的更新，肯定會支持更多種類的 OPCODE），所有的 OPCODE 的定義和實現都可以在源碼的 zend/zend_vm_def.h 文件（這個文件的內容并不是原生的 C 代碼，而是一個模板，后面會說明原因）中查閱到。
我們來看下 PHP 是如何設計 OPCODE 數據結構：
struct _zend_op {
const void *handler;
znode_op op1;
znode_op op2;
znode_op result;
uint32_t extended_value;
uint32_t lineno;
zend_uchar opcode;
zend_uchar op1_type;
zend_uchar op2_type;
zend_uchar result_type;
};
仔細觀察 OPCODE 的數據結構，是不是能找到匯編語言的感覺。每一個 OPCODE 都包含兩個操作數，op1和 op2，handler 指針則指向了執行該 OPCODE 操作的函數，函數處理后的結果，會被保存在 result 中。
我們舉一個簡單的例子：
<?php
$b = 1;
$a = $b + 2;
我們通過 vld 擴展看到，經過編譯的后，上面的代碼生成了 ZEND_ADD 指令的 OPCODE。
compiled vars: !0 = $b, !1 = $a
line #* E I O op fetch ext return operands
-------------------------------------------------------------------------------------
2 0 E > ASSIGN !0, 1
3 1 ADD ~3 !0, 2
2 ASSIGN !1, ~3
8 3 > RETURN 1
其中，第二行是 ZEND_ADD 指令的 OPCODE。我們看到，它接收2個操作數，op1 是變量 $b，op2 是數字常量1，返回的結果存入了臨時變量中。在 zend/zend_vm_def.h 文件中，我們可以找到 ZEND_ADD 指令對應的函數實現：
ZEND_VM_HANDLER(1, ZEND_ADD, CONST|TMPVAR|CV, CONST|TMPVAR|CV)
{
USE_OPLINE
zend_free_op free_op1, free_op2;
zval *op1, *op2, *result;
op1 = GE***_ZVAL_PTR_UNDEF(BP_VAR_R);
op2 = GET_OP2_ZVAL_PTR_UNDEF(BP_VAR_R);
if (EXPECTED(Z_TYPE_INFO_P(op1) == IS_LONG)) {
if (EXPECTED(Z_TYPE_INFO_P(op2) == IS_LONG)) {
result = EX_VAR(opline->result.var);
fast_long_add_function(result, op1, op2);
ZEND_VM_NEXT_OPCODE();
} else if (EXPECTED(Z_TYPE_INFO_P(op2) == IS_DOUBLE)) {
result = EX_VAR(opline->result.var);
ZVAL_DOUBLE(result, ((double)Z_LVAL_P(op1)) + Z_DVAL_P(op2));
ZEND_VM_NEXT_OPCODE();
}
} else if (EXPECTED(Z_TYPE_INFO_P(op1) == IS_DOUBLE)) {
...
}
上面的代碼并不是原生的 C 代碼，而是一種模板。
為什么這樣做？因為 PHP 是弱類型語言，而其實現的 C 則是強類型語言。弱類型語言支持自動類型匹配，而自動類型匹配的實現方式，就像上述代碼一樣，通過判斷來處理不同類型的參數。試想一下，如果每一個 OPCODE 處理的時候都需要判斷傳入的參數類型，那么性能勢必成為極大的問題（一次請求需要處理的 OPCODE 可能能達到成千上萬個）。
哪有什么辦法嗎？我們發現在編譯的時候，已經能夠確定每個操作數的類型（可能是常量還是變量）。所以，PHP 真正執行時的 C 代碼，不同類型操作數將分成不同的函數，供虛擬機直接調用。這部分代碼放在了 zend/zend_vm_execute.h 中，展開后的文件相當大，而且我們注意到還有這樣的代碼：
if (IS_CONST == IS_CV) {
完全沒有什么意義是吧？不過沒有關系，C 的編譯器會自動優化這樣判斷。大多數情況，我們希望了解某個 OPCODE 處理的邏輯，還是通過閱讀模板文件 zend/zend_vm_def.h 比較容易。順便說一下，根據模板生成 C 代碼的程序就是用 PHP 實現的。
執行過程
準確的來說，PHP 的執行分成了兩大部分：編譯和執行。這里我將不會詳細展開編譯的部分，而是把焦點放在執行的過程。
通過語法、詞法分析等一系列的編譯過程后，我們得到了一個名為 OPArray 的數據，其結構如下：
struct _zend_op_array {
/* Common elements */
zend_uchar type;
zend_uchar arg_flags[3]; /* bitset of arg_info.pass_by_reference */
uint32_t fn_flags;
zend_string *function_name;
zend_class_entry *scope;
zend_function *prototype;
uint32_t num_args;
uint32_t required_num_args;
zend_arg_info *arg_info;
/* END of common elements */
uint32_t *refcount;
uint32_t last;
zend_op *opcodes;
int last_var;
uint32_t T;
zend_string **vars;
int last_live_range;
int last_try_catch;
zend_live_range *live_range;
zend_try_catch_element *try_catch_array;
/* static variables support */
HashTable *static_variables;
zend_string *filename;
uint32_t line_start;
uint32_t line_end;
zend_string *doc_comment;
uint32_t early_binding; /* the linked list of delayed declarations */
int last_literal;
zval *literals;
int cache_size;
void **run_time_cache;
void *reserved[ZEND_MAX_RESERVED_RESOURCES];
};
內容超多對吧？簡單的理解，其本質就是一個 OPCODE 數組外加執行過程中所需要的環境數據的集合。介紹幾個相對來說比較重要的字段：
opcodes存放 OPCODE 的數組。filename當前執行的腳本的文件名。function_name當前執行的方法名稱。static_variables靜態變量列表。last_try_catchtry_catch_array當前上下文中，如果出現異常 try-catch-finally 跳轉所需的信息。literals所有諸如字符串 foo 或者數字23，這樣的常量字面量集合。
為什么需要生成這樣龐大的數據？因為編譯時期生成的信息越多，執行時期所需要的時間就越少。
接下來，我們看下 PHP 是如何執行 OPCODE。OPCODE 的執行被放在一個大循環中，這個循環位于 zend/zend_vm_execute.h 中的 execute_ex 函數：
ZEND_API void execute_ex(zend_execute_data *ex) {
DCL_OPLINE
zend_execute_data *execute_data = ex;
LOAD_OPLINE();
ZEND_VM_LOOP_INTERRUPT_CHECK();
while (1) {
if (UNEXPECTED((ret = ((opcode_handler_t)OPLINE->handler)(ZEND_OPCODE_HANDLER_ARGS_PASSTHRU)) != 0)) {
if (EXPECTED(ret > 0)) {
execute_data = EG(current_execute_data);
ZEND_VM_LOOP_INTERRUPT_CHECK();
} else {
return;
}
}
}
zend_error_noreturn(E_CORE_ERROR, "Arrived at end of main loop which shouldn't happen");
}
這里，我去掉了一些環境變量判斷分支，保留了運行的主流程。可以看到，在一個***循環中，虛擬機會不斷調用 OPCODE 指定的 handler 函數處理指令集，直到某次指令處理的結果 ret 小于0。注意到，在主流程中并沒有移動 OPCODE 數組的當前指針，而是把這個過程放到指令執行的具體函數的結尾。所以，我們在大多數 OPCODE 的實現函數的末尾，都能看到調用這個宏：
ZEND_VM_NEXT_OPCODE_CHECK_EXCEPTION();
在之前那個簡單例子中，我們看到 vld 打印出的執行 OPCODE 數組中，***有一項指令為 ZEND_RETURN 的 OPCODE。但我們編寫的 PHP 代碼中并沒有這樣的語句。在編譯時期，虛擬機會自動將這個指令加到 OPCODE 數組的結尾。ZEND_RETURN 指令對應的函數會返回 -1，判斷執行的結果小于0時，就會退出循環，從而結束程序的運行。
方法調用
如果我們調用一個自定義的函數，虛擬機會如何處理呢？
<?php
function foo() {
echo 'test';
}
foo();
我們通過 vld 查看生成的 OPCODE。出現了兩個 OPCODE 指令執行棧，是因為我們自定義了一個 PHP 函數。在***個執行棧上，調用自定義函數會執行兩個 OPCODE 指令：INIT_FCALL 和 DO_FCALL。
compiled vars: none
line #* E I O op fetch ext return operands
-------------------------------------------------------------------------------------
2 0 E > NOP
6 1 INIT_FCALL 'foo'
2 DO_FCALL 0
3 > RETURN 1
compiled vars: none
line #* E I O op fetch ext return operands
-------------------------------------------------------------------------------------
3 0 E > ECHO 'test'
4 1 > RETURN null
其中，INIT_FCALL 準備了執行函數時所需要的上下文數據。DO_FCALL 負責執行函數。DO_FCALL 的處理函數根據不同的調用情況處理了大量邏輯，我摘取了其中執行用戶定義的函數的邏輯部分：
ZEND_VM_HANDLER(60, ZEND_DO_FCALL, ANY, ANY, SPEC(RETVAL))
{
USE_OPLINE
zend_execute_data *call = EX(call);
zend_function *fbc = call->func;
zend_object *object;
zval *ret;
...
if (EXPECTED(fbc->type == ZEND_USER_FUNCTION)) {
ret = NULL;
if (RETURN_VALUE_USED(opline)) {
ret = EX_VAR(opline->result.var);
ZVAL_NULL(ret);
}
call->prev_execute_data = execute_data;
i_init_func_execute_data(call, &fbc->op_array, ret);
if (EXPECTED(zend_execute_ex == execute_ex)) {
ZEND_VM_ENTER();
} else {
ZEND_ADD_CALL_FLAG(call, ZEND_CALL_TOP);
zend_execute_ex(call);
}
}
...
ZEND_VM_SET_OPCODE(opline + 1);
ZEND_VM_CONTINUE();
}
可以看到，DO_FCALL 首先將調用函數前的上下文數據保存到 call->prev_execute_data，然后調用 i_init_func_execute_data 函數，將自定義函數對象中的 op_array（每個自定義函數會在編譯的時候生成對應的數據，其數據結構中包含了函數的 OPCODE 數組） 賦值給新的執行上下文對象。
然后，調用 zend_execute_ex 函數，開始執行自定義的函數。zend_execute_ex 實際上就是前面提到的 execute_ex 函數（默認是這樣，但擴展可能重寫 zend_execute_ex 指針，這個 API 讓 PHP 擴展開發者可以通過覆寫函數達到擴展功能的目的，不是本篇的主題，不準備深入探討），只是上下文數據被替換成當前函數所在的上下文數據。
我們可以這樣理解，最外層的代碼就是一個默認存在的函數（類似 C 語言中的 main()函數），和用戶自定義的函數本質上是沒有區別的。
邏輯跳轉
我們知道指令都是順序執行的，而我們的程序，一般都包含不少的邏輯判斷和循環，這部分又是如何通過 OPCODE 實現的呢？
<?php
$a = 10;
if ($a == 10) {
echo 'success';
} else {
echo 'failure';
}
我們還是通過 vld 查看 OPCODE（不得不說 vld 擴展是分析 PHP 的神器）。
compiled vars: !0 = $a
line #* E I O op fetch ext return operands
-------------------------------------------------------------------------------------
2 0 E > ASSIGN !0, 10
3 1 IS_EQUAL ~2 !0, 10
2 > JMPZ ~2, ->5
4 3 > ECHO 'success'
4 > JMP ->6
6 5 > ECHO 'failure'
7 6 > > RETURN 1
我們看到，JMPZ 和 JMP 控制了執行流程。JMP 的邏輯非常簡單，將當前的 OPCODE 指針指向需要跳轉的 OPCODE。
ZEND_VM_HANDLER(42, ZEND_JMP, JMP_ADDR, ANY)
{
USE_OPLINE ZEND_VM_SET_OPCODE(OP_JMP_ADDR(opline, opline->op1));
ZEND_VM_CONTINUE();
}
JMPZ 僅僅是多了一次判斷，根據結果選擇是否跳轉，這里就不再重復列舉了。而處理循環的方式與判斷基本上是類似的。
<?php
$a = [1, 2, 3];
foreach ($a as $n) {
echo $n;
}
compiled vars: !0 = $a, !1 = $n
line #* E I O op fetch ext return operands
-------------------------------------------------------------------------------------
2 0 E > ASSIGN !0, <array>
3 1 > FE_RESET_R $3 !0, ->5
2 > > FE_FETCH_R $3, !1, ->5
4 3 > ECHO !1
4 > JMP ->2
5 > FE_FREE $3
5 6 > RETURN 1
循環只需要 JMP 指令即可完成，通過 FE_FETCH_R 指令判斷是否已經到達數組的結尾，如果到達則退出循環。
結語
通過了解 Zend 虛擬機，相信你對 PHP 是如何運行的，會有更深刻的理解。想到我們寫的一行行代碼，***機器執行的時候會變成數不勝數的指令，每個指令又建立在復雜的處理邏輯之上。那些從前隨意寫下的代碼，現在會不會在腦海里不自覺的轉換成 OPCODE 再品味一番呢？
