x-lisp

English

中文

English

中文

Appearance

x86 汇编的 opaque 指针与 offset-of 寻址

· xieyuheng, deepseek

前言 ​

本文承接 2026-06-10（native x86-64 汇编语言设计），由 LLVM 的 Opaque Pointers 引发，重新审视两个问题：

  • IR 是否应该使用带类型的指针？
  • 如果不应该，x86 汇编语言还应该支持 struct 吗？

结论先行：

  • 指针应当 opaque——(pointer-t T) 的 pointee 类型 T 在我们这里几乎无语义，应去掉，指针退化为纯 8 字节地址。
  • struct 应当保留——它服务于内存布局与字段偏移计算，是 LLVM 在指针 opaque 化之后依然保留的东西。
  • 把「struct 类型 + field name → offset」分离为独立的 GEP 式算子 (offset-of …)，并去掉 (address …) 的字段路径糖。

核心教训：值携带内在属性，解释语义放到操作上 ​

LLVM 早期指针带 pointee 类型（i32* 指向 i32）。Opaque Pointers 把所有指针统一为不带 pointee 类型的 ptr，把「如何解释内存」的类型信息移到指令上：

llvm
load i64* %p        ; 旧：指针背着 i64
load i64, ptr %p    ; 新：ptr 是 opaque 地址，load 指令自己说读 i64

动机的关键一句：

the pointee type carries no real semantics.

指针的 pointee 类型不携带真实语义——同一块内存可以被当作任意类型解释，类型是「访问操作」的视角，不是「地址」的属性。

但要特别注意：LLVM 并没有因此放弃 struct 类型。文档明确：

Memory optimization algorithms, such as SROA, GVN, and AA, generally need to look through LLVM's struct types and reason about the underlying memory offsets.

GEP 仍然带类型（getelementptr i8, ptr %p, ...，getSourceElementType() 保留）， load/store 仍然带类型。opaque 化的只是指针值，struct 类型作为「偏移/布局计算的依据」被保留下来。

文档还给出一个精辟的历史类比——整数符号性：

there is no distinction between signed and unsigned integer types, but rather each integer operation (e.g. add) contains flags to signal how to treat the integer.

两次转变是同一个哲学：

值只携带它内在的属性；「如何解释」的语义放到操作上。

  • 地址的内在属性 = 它是个 8 字节地址，指向什么类型无真实语义 → 从指针上拿掉。
  • 整数的内在属性 = 位宽（i32），有符号/无符号是操作的事 → 从类型上拿掉、放到 add 上。
  • struct 的「形状/布局」是内存访问真正需要的 → 保留，但类型出现在声明（global 的 valueType）与操作（GEP/load）上，而非附着在指针值上。

现状分析：我们的 (pointer-t T) 的 T 是冗余的 ​

考察 [meta-lisp.ts] 中 (address <name> <field> ...) 的实现（computePathOffset）：

currentType = claim 类型(name)            ; name 是数据块（通常 claim 成 struct，值类型）
for step in path:
    在当前 struct 的字段里找 step，累加前面字段的 typeSize() 得偏移
    若该字段是 struct → 下钻继续

由此得到三个事实：

  1. (address name field...) 的偏移计算用的是 name 的 claim 类型（值类型 struct）， 完全不碰指针的 pointee 类型。

  2. 路径不穿透指针——遇到 (pointer-t …) 字段就停（再往下会对 pointer-t 求 struct 定义而报错）。

  3. 跨指针的字段偏移现在靠手写魔法数字。例如 pointer-field fixture：

    lisp
    (address my-config table)        ;; config 内偏移（用 config-t 算）
(reg-deref (reg rax))            ;; deref → entry 地址
(reg-deref (reg rax) 8)          ;; entry.value，这个 8 是手算的、不抗布局变化

(pointer-t T) 的 T 仅在两处被用到：check (pointer (struct entry-t …)) 的匹配、emit 匿名 slot 的布局——而这两处的类型都能由 (struct entry-t …) 字面量自带的类型名提供。

也就是说：我们独立地撞上了 LLVM 同样的发现——指针的 pointee 类型几乎无用；类型信息其实 已经主要落在「claim 声明」与「寻址操作」上。

设计决策 ​

1. opaque 指针 ​

(pointer-t T) → pointer-t（纯 8 字节地址，无 pointee 类型）。

  • (address …) 不依赖它（偏移用 base 的 claim 类型）。
  • (pointer (struct entry-t …)) 的目标类型由 struct 字面量自带，emit/check 据此布局。

2. 保留 struct ​

define-struct 仍是布局与偏移计算的类型依据，与 LLVM opaque 之后保留 aggregate type 一致。 砍掉 struct 退回手算数字偏移（NASM 风格），等于把内存布局推理上移给 codegen，并丢失可读性—— 而 LLVM 的经验恰恰是「这类布局推理留在 IR 层有价值」。

3. 引入 (offset-of <struct-type> <field> ...) ​

把「struct 类型 + field name → offset」分离成独立的编译期常量算子，求值为字节偏移：

lisp
(offset-of entry-t value)          ;; → 8
(offset-of rect-t bottom-right x)  ;; → 16
  • 在值嵌套 struct 内可多级，不穿指针（穿指针由「offset-of + deref + offset-of」链式组合）。
  • 这正是 GEP 的精神：类型是偏移操作的参数，地址是 opaque 的 base。

4. 去掉 (address name field...) 的路径糖 ​

(address <name>) 只取符号地址，不带字段路径。字段偏移一律由 offset-of 显式提供。

新寻址模型 ​

寻址 = base + offset，三个正交原语：

  • base
    • (address <name>)——符号（label）地址立即数，只取符号本身。
    • (reg <r>)——运行时寄存器。
  • offset（编译期常量，用于 reg-deref 的 disp 位置）
    • 数字立即数，或
    • (offset-of <struct-type> <field> ...)。
  • 访问
    • (reg-deref <reg> <offset>)——[reg + offset]，offset 为数字或 offset-of。
    • (deref (address <name>))——rip-relative 读 label 内容。

label 嵌套字段 ​

lisp
(mov (reg rax) (address my-rect))                          ;; rax = &my-rect
(mov (reg rbx) (reg-deref (reg rax)
                 (offset-of rect-t bottom-right x)))        ;; 读 my-rect.bottom-right.x

跨指针（消除魔法数字） ​

lisp
(mov (reg rax) (address my-config))
(mov (reg rax) (reg-deref (reg rax) (offset-of config-t table)))  ;; 取 table 指针值
(mov (reg rbx) (reg-deref (reg rax) (offset-of entry-t value)))   ;; (*table).value

每个 offset-of 在单一 struct 内计算；跨指针由「offset-of + deref + offset-of」链式组合—— 正是 GEP「不穿指针，穿指针需显式 load」的原则。

连锁含义 ​

  1. computePathOffset 的路径逻辑从 address 移除，重生为 offset-of 的求值 （struct 类型 + field 序列 → IntValue 编译期常量）。
  2. (reg-deref …) 的 disp 从「只接受数字」扩展为「接受编译期常量表达式」（数字或 offset-of）， 这是承载符号化偏移的关键。
  3. 失去 label+offset 的一步 rip-relative 寻址：原 (deref (address my-rect bottom-right x)) 一条指令读嵌套字段，现在变为「取 base 到 reg + reg-deref (offset-of …)」两条。这符合 「正交优先、优化后置」——将来可加 peephole：(mov r (address X)) 紧邻 (reg-deref r (offset-of …)) 时合成一条 [rip + (X + const)]。
  4. 指针 opaque 后，(pointer (struct entry-t …)) 的目标类型由 struct 字面量自带， emit/check 不再依赖 (pointer-t T) 的 T。

影响范围（供后续实现） ​

  • parse：新增 offset-of；address 去掉字段路径；reg-deref 的 disp 收编译期常量表达式。
  • operand / exp / value：pointer-t 去掉类型参数；offset-of 求值为 IntValue。
  • evaluate：支持 offset-of 的编译期求值。
  • assemble/layout：路径偏移逻辑 → offset-of 求值；emit/匿名 slot 用 struct 字面量类型。
  • check：指针 opaque 化的相应校验调整。
  • encode：disp 来源从数字字面量改为常量表达式求值结果。
  • codegen（[meta-lisp.ts] 的 X86CodegenPass）：用 address + offset-of 取代字段路径与手写偏移。
  • .x86.asm fixture 迁移；更新设计文档。

留待后续 ​

  • string-t 的形态：opaque 世界里它 = pointer-t + define-data 的字符串字面量便利； 保留为糖，还是拆成 (pointer (string "…"))。
  • 原始类型符号性（int8-t vs uint8-t）：按「整数符号性」类比，布局层只需大小，可考虑简化。
  • label+offset 一步 rip-relative 寻址的 peephole 优化。