作者：remyliu

业务面临的问题

特征计算系统的演进

从工程角度来看，对日志流量进行分析是安全业务研发的重要内容。如果将与“坏人”进行安全对抗比作一场长期持久的战争，那么特征计算系统就是对抗“坏人”的重要武器系统。该系统的功能是消费日志流，进行分析计算，并输出特征信息。在传统模式下，各个特征计算模块分散、无管理、缺乏标准化，难以与其他武器系统对接，导致特征开发效率低下，进而使特征计算武器系统的威力不足。

下图是特征计算模块的开发流程：流程漫长费时效率低，满足不了安全武器系统的快速响应打击“坏人”的需求。

为了解决上述问题，我们研发了新一代的特征计算系统，架构图如下：

在新系统中，我们将计算逻辑脚本化，极大的简化了开发流程，并且做了大量的标准化工作。例如现在需要计算一个特征数据z，计算逻辑是对输入日志流的数据x和y的求和，开发人员只需要在Web页面编辑脚本: z = x + y, 然后点击发布脚本就可迅速上线，快速的输出特征。

在上述的架构中，执行引擎执行用户编辑的计算逻辑，如 z = x + y， 对输入数据进行计算，输出需要的特征，是系统的核心组件。

特征计算引擎探索

执行引擎的实现有多种方案可选，如下图所示的6种方案。每个方案都有各自的优劣，实际工程可以根据需求进行选择或组合。在业界，许多选择使用Python引擎、Lua引擎或两者的组合来执行用户编辑的Python脚本或Lua脚本。

下面描述了各个方案并列出了各方案的特点：

微信安全采用的是一个自研的DSL引擎，并在此基础上扩展。原因是性能相对高，并且已被其他重要安全系统使用验证。

DSL(Domain-Specific Language)是用于特定领域的编程语言，例如SQL就是一种DSL。我们自研DSL引擎，实际上是开发了一种自定义的编程语言，使用这种编程语言来编写特征计算逻辑。要实现一种编程语言，当然要实现这种语言的编译器和执行器，下面将介绍DSL引擎的实现和存在的问题。

微信特征计算引擎：DSL引擎实现

下图实现展示了微信自研DSL语言的实现，首先定义了词法描述文件和语法描述文件，采用 Lex 和 Yacc 生成词法分析器Lexer和语法解析器Parser， 在这里Parser的输出逆波兰表达式，存储在内存中，然后解释执行表达式。整个DSL的引擎可以分为2部分：编译和执行，编译1次，然后对每条输入数据解释执行编译后的表达式。

DSL引擎的问题

在业务接入和运营过程中发现3个主要的问题：

DSL新语言推广学习成本高

自研DSL是一门新的语言，业务不熟悉使用，业务同学从原来的C++开发计算特征，转为使用DSL，存在大量疑问，需要大量的研发支持， 尽管已经提供了丰富的文档支持。这无疑是公司内推广/公司外开源的阻碍，在缺少研发的大力支持下，大家愿意学习新的DSL语言吗？使用业务通用熟悉的语言，可以更好的提升影响力，减少接入阻碍，需要的研发支持也更少。

前面也提到特征计算系统采用的是一个自研的DSL引擎，并在此基础上扩展，为什么原来DSL语言不存在上述问题。因为原来DSL用于安全策略场景，主要是做逻辑判断和条件判断，例如支持+-*/和< = > if else 等简单操作即可，很容易上手，反而不需要复杂的语言特性。

但是特征计算场景，侧重于计算，需要大量的计算函数，库函数，rpc调用等，需要的语言语法特性复杂的多，因为扩展的DSL也变得复杂，由此诞生了上述的问题。

大量重复实现已有的库

实现一门可用性好的编程语言，除了实现语言本身，需要需要实现大量的基础库，例如需要实现字符串string库，http库，protobuf库，vector和map等数据结构，自研DSL也一样，需要耗费大量精力在重新实现这些库上，而且随业务需求还一直在更新，不能完备。并且自研的库函数使用风格也和C++库使用有较大差别，学习成本高。下面是DSL语言和库与C++的对比， 微信后台有成熟的C++基建，大家很熟悉C/C++语法。

其他方面的问题

DSL编译过程中无通用的中间表示，无法使用业界已有的程序优化算法，所以性能仍然不是很高。DSL的编译报错提示不友好不准确，因为语法解析器Parser采用的是Yacc工具生成，Yacc使用的是LALR算法， 该算法缺陷之一是编译报错提示不够准确友好，实际使用过程中也是如此，业务同学也是常咨询“这段DSL代码哪里错了?”。另外一个是扩展性较差，例如我们想基于DSL的parser 实现一个类似clangd的代码补全和提示工具，提升DSL脚本开发体验，几乎很难实现，因为DSL的编译器实现紧耦合没有模块化，我们只能基于很原始的字符串匹配来实现代码补全提示。

探索新引擎方案

C++执行引擎

微信后台主要使用C++作为编程语言，基础设施基本是以C++模块构建的，并积累了丰富的C++库。在安全业务中，一开始就选择了使用C++语言进行特征计算。如果将脚本语言也采用C++，业务同学可以熟练地使用，并且可以兼容现有的C++库和标准库，无需重新开发各种库。然而，C++是一种静态编译语言，是否能改为解释执行呢？我们进行了调研，并基于Clang前端和LLVM JIT技术实现了一个C++执行引擎，即一个C++解释器。其结构如下：

DSL引擎面对的问题C++引擎都可以完美的解决，C/C++语言容易接入学习成本低，开源易提升影响力；支持的库丰富无需重复开发；最好的LLVM编译优化和JIT执行带来了和二进制执行一样的高性能， 基于Clang前端因此有世界上最友好的C/C++编译报错提示，同样得益于Clang和LLVM模块话带来了极强的扩展性。

举几个例子说明C++引擎的扩展性，例如我们可以基于Clang 的前端库实现类型clangd的代码补全提示。采用这个结构还能快速的支持其他语言，例如rust语言作为开发语言；除了JIT执行，还能扩展生成WebAssembly，通过v8执行。

引擎实现：C/C++解释器ccint

C/C++是静态编译语言，但C/C++能否解释执行呢？答案是Yes，本文基于Clang和LLVM，不到500行代码，实现了C/C++解释器ccint，ccint源代码在GitHub可获取。其结构如下图所示：

C/C++文件被Clang前端经过预处理，词法分析，语法分析，语义检查，编译成LLVM中间表示，即LLVM IR。注意Clang前端并不是Clang二进制程序, 而是Clang编译器提供的前端库，LLVM IR经过LLVM优化器，根据优化级别生成优化后的LLVM IR存储在内存中, 常见的优化有常量传播，常量折叠，死代码删除，循环向量化等等。优化后的LLVM IR被 LLVM ORC JIT执行，输出结果。JIT的执行使用了LLVM后端代码生成技术，输入LLVM IR 输出二进制指令到内存，然后调用指定的函数符号执行。

使用ccint解释器输出"hello world"

/* main.cpp */
#include
#include
#include
void ccint_main() {
std::vectorvec = {"hello", " world\\n"};
for (auto &s : vec) {
printf("%s", s.c_str());
}
}
$ ./ccint main.cpp
hello world

上面的例子使用标准库的vector类和string类以及printf函数，解释器执行函数ccint_main, 可以看到解释器很好的支持了C/C++标准库。

ccint解释器还有有如下的特性

支持完整的C++11/C++14/C++17语法；支持标准库/动态库/静态库；采用了JIT技术因此和C/C++二进制有相同的性能；模块化编译和执行分离，方便使用到业务上。

ccint解释器 在GitHub 还有展示动态库静态库 和指定头文件搜索路径例子，可以参考。

ccint灵感来源于cling，cling是一个基于Clang和LLVM的交互式C/C++解释器，由欧洲核子研究中心开发，用于处理大型强子对撞机LHC的实验数据和验证实验模型，目前已处理EB级别的实验数据。然而直接使用cling并不必要，因为cling自身的代码已经达到了3万行以上，其中大部分代码是为了适配物理实验领域的需求。此外cling对Clang和LLVM进行了较大的修改，并未合并到LLVM主线，这将需要大量的后续维护投入。参考cling的实现思路，借助于Clang和LLVM这两个强大的工具，我们只需编写很少的代码（几百行）就能实现功能丰富的C/C++解释器。

后文将依次具体探讨实现C/C++引擎使用到的Clang前端技术。

初识LLVM

LLVM(Low-Level Virtual Machine)是一个编译器开发工具集，和虚拟机(Virtual Machine)没任何关系。

LLVM主要包括如下工具和库：一个源语言无关，目标架构无关的编译优化器，一个目标架构无关代码生成器，C/C++编译器Clang，LLDB调试器，LLD连接器，libc++库等，其中编译优化器和代码生成器是LLVM的核心。

为什么需要LLVM？LLVM解决了什么问题？

传统的结构是三段式，由前端，优化器，后端组成，并且紧耦合，如果新实现一个编程语言或者新增一个指令集ISA，都需要重新实现这三段，而且优化器不独立，程序优化即需要考虑语言特征，又需要考虑机器特性，难以专注优化算法本身。

LLVM将传统的三段式结构中优化阶段单独提取出来，并引入了一个通用的代码中间表示LLVM IR，这样前端研发人员只需要关注Source Code到LLVM IR的过程，专注前端的相关的算法 如新的parser算法和语义检查；而编译优化研发人员只需要专注优化算法的开发，因为中间表示LLVM IR和源代码无关，指令集架构ISA无关。后端研发只需要专注适配新的ISA，优化代码生成框架，优化指令选择，指令调度，寄存器分配等后端算法。大家术业有专攻，极大的繁荣了LLVM 生态。

如果需要研发新的编程语言，例如研发Rust语言，只需要研发语言的前端，就可以适配所有ISA。如果需要增加新的ISA，例如新指令集架构RISC-V， 只需要采用LLVM Target-Independent Code Generator 开发一个新的后端，RISC-V后端就可以支持所有的语言。如果需要新增新的编译优化算法，只需往Common Optimizer加入新算法，不需要了解语言特征，也不需要了解架构特性。

Clang

Clang是LLVM项目中一个C家族语言编译前端, 支持C, C++, Objective C/C++, OpenCL, CUDA等的编译，Clang的设计之初就注重模块化，各个子模块都提供了库，能基于这些库实现一些非常多个工具，如常用的C++代码linter工具clang-tidy 代码补全工具clangd，Clang的报错提示也非常的友好，这两方面相对GCC都有巨大的优势。

日常我们使用Clang包含两方面含义：Clang驱动器和Clang前端，后续将分别介绍这两方面内容，并重点讨论Clang前端。

Clang驱动器

日常使用的Clang工具就是一个驱动器，驱动整个编译的流水线，将C/C++编译成二进制，如下图Clang驱动Clang编译前端Frontend，汇编器Assembler， 连接器Linker等。

以一个例子说明

int factorial(int n) {
if (n <= 1) return 1;
return n * factorial(n - 1);
}

factorial.cpp

使用-ccc-print-phases打印各个阶段的内容，如下图编译文件factorial.cpp需要0～5总共6个阶段，0输入C++文件，1预处理，2编译预处理后的代码输出中间表示IR(Intermediate Representation)， 3然后从IR生成汇编代码，4汇编器将汇编代码转成二进制目标代码，5链接器将目标代码链接成二进制。

$clang -ccc-print-phases factorial.cpp
0: input, "factorial.cpp", c++
1: preprocessor, {0}, c++-cpp-output
2: compiler, {1}, ir
3: backend, {2}, assembler
4: assembler, {3}, object
5: linker, {4}, image

发现实际过程中Clang Driver会将各个阶段进行合并, 例如前5个阶段合并到clang-16程序执行，最后的链接ld单独执行。

$clang -### factorial.cpp
clang version 16.0.0
"/usr/local/bin/clang-16" "-cc1" "-emit-obj" "-x" "c++" "factorial.cpp" ...
"/usr/bin/ld" "--eh-frame-hdr" "-m" "elf_x86_64" "-o" "a.out" ...

clang_main是Clang Driver主函数，定义在文件tools/driver/driver.cpp 中，如果我们分析Clang的执行流程，会发现有下面的调用栈

ExecutionAction字面意思是执行一个Action，什么是Action呢？

Action是一个编译步骤，对应Clang Driver流水线中的阶段，可参考Clang文档

整个Clang Driver流水线按从Action角度来看如下：

PreprocessJobAction： 将源码进行预处理

CompileJobAction ：将预处理结果转为 LLVM IR(实际是IR的bitcode形式)

BackendJobAction：将LLVM IR 转为 汇编文件.s

AssembleJobAction： 将汇编文件.s转为二进制目标文件.o

LinkJobAction：将目标文件.o链接成可执行文件

上图的调用栈中cc1_main调用ExectueAction一个FrontendAction，FrontendAction代表Clang前端相关的阶段，下面介绍。

Clang前端

Clang前端是Driver的一部分也是编译的核心，Clang前端负责将输入的C/C++代码编译成中间表示IR(Intermediate Representation)

前端包括预处理/词法解析，语法解析，语义检查，代码生成子模块，Clang提供了命令行选项查看各阶段的输出内容:

Lexer词法解析

预处理Preprocessor和Lexer是组合一起的，Lexer输入C/C++源文件，输出Token流，查看Lexer的输出：

输出的Token包括类型和值， "factorial"的类型是identifier，值为"factorial"；左括号类型是l_paren，值是"("。最右边Loc显示了Token在文件中的位置，其中"factorial"在第1行第5列。

Token定义在文件include/clang/Basic/TokenKinds.def 中

文件include/clang/Parse/Parser.h 中函数ConsumeToken和TryConsumeToken读取Token并前进到下一个Token：

Parser语法解析

Clang手写了一个递归下降的语法解析器，没有使用Bison等自动化Parser Generator工具等生成，原因是C++语法复杂，难以写成LALR形式，而且LALR Parser的编译报错信息不友好，这里有进行相关的讨论 the LALR grammar for C++。

"C++ grammar is ambiguous, context-dependent and potentially requires infinite lookahead to resolve some ambiguities"

要了解语法分析的过程，就需要先了解语法的规则，以下图右侧代码说明，首先每个文件由一系列的申明Decl(Declaration)组成；这份代码包含2个声明：VarDecl变量声明和FunctionDecl函数声明，分别对应变量c和函数factorial；函数由参数列表和函数体组成，参数声明ParmValDecl对应参数int n，CompoundStmt组合语句就是对应函数factorial的函数体；函数体由一些列的声明Decl(Declaration)和语句Stmt(Statement)组成，factorial的函数体包含一个ValDecl变量声明，IfStmt if语句，ReturnStmt 返回语句，ValDecl变量声明对应局部变量 int k， 返回语句对应 最后的return，if语句则包含条件表达式语句CondStmt，True分支语句ThenStmt，False分支语句ElseStmt，因为代码中没有else语句块，所以图中未给出ElseStmt，显然if语句的条件表达式语句CondStmt对应n <= 1，True分支语句ThenStmt对应 return 1，这里还能继续往下分解语法规则，不再给出。

了解语法规则后，分析下语法解析的过程，下图展示了右侧代码的Parse过程，以解析其中 n <= 1为例输出函数调用栈Call Stack

  1. 调用栈20-15： 这5个函数是Clang Driver函数，其中clang_main是Clang Driver主函数，前面Clang Driver章节有说明。

  2. 调用栈14-10：ParseAST函数是整个Parser的入口函数，根据语法规则，文件由Decl组成，先解析Decl，然后递归下降解析到函数声明FunctionDecl，对应的函数是ParseFunctionDefinition，解析例子中的 int factorial (int ) {...}函数

  3. 调用栈8： 继续对函数定义FunctionDecl递归下降解析，函数定义由参数列表和函数体组成，函数体解析函数ParseCompoundStatementBody，解析例子中的函数factorial的函数体{...}

  4. 调用栈7：函数体由声明Decl和语句Statement组成，解析函数是ParseStatemenOrDeclaration，解析一个语句或者声明，该函数继续递归下降解析到函数体第一条语句

  5. 调用栈5： 函数体第一天语句是if语句，对应解析函数是ParseIfStatement，解析if (n <= 1) return 1语句，继续往下递归

  6. 调用栈4：if语句由条件表达式，true分支语句，false语句组成，首先解析条件表达式，条件表达式被括号包裹，形如"(expresiion)"，所以这里调用的是ParseParenExprOrConditon，解析(n <= 1)， 继续递归

  7. 调用栈3：调用ParseExpression解析表达式 n <= 1，继续递归

  8. 调用栈2：表达式Experssion类型特别多，这里n <= 1，是一个assignment expression，所以这里调用的是ParseAssignmentExpression，继续递归下降*

  9. 调用栈1: 表达式n <= 1由一个二元操作符*(Binay Operator)和两个操作数构成，左边操作数LHS(Left Hand Side)右边操作数RHS(Right Hand Side)，表达式n <=1< em="">最终被解析到右边的操作数整型字面量1，对应的解析函数ParseRHSOfBinaryExpression

C++语法是知名的复杂...语言标准也是非常的厚...好在Clang代码结构比较清晰，可以对有兴趣的部分跟踪调试，这里只展示了冰山一角，还不到一角。

Sema语义检查

语义检查包括变量或过程未经声明就使用、变量或过程名重复声明、运算分量类型不匹配、操作符与操作数之间的类型不匹配。

Clang的语义检查与一般方法不同，常规方案方法是在生成抽象语法树AST之后，遍历AST进行检查。而Clang在AST节点生成过程中即时检查语义。语法分析Parser完成语句检查后，只表示语法正确，语义的正确性还需要检查，如操作符要求的操作数类型是否符合。

还是以if条件表达式 n <= 1为例，前一节语法分析的调用栈最后调用到了ParseRHSOfBinaryExpression函数，成功解析了表达式的RHS(Right Hand Side)，这时候n <= 1的语法已经正确匹配，在准备构建抽象语法树AST前，先进入Sema模块进行语义检查，Parser和Sema之间的接口一般是ActOn，如图中的ActOnBinop，Sema模块的结构如下图，首先从语义角度检查程序正确性，n <= 1表达式需要左右操作数(n 和 1)类型都是Arithmetic Type，即char/bool/int/long等等。函数CheckMultiplyDivideOperands执行这样的检查，如果操作数类型不正确，将调用InvalidOperands，该函数进一步调用辅助函数Diag， Diag处理报错信息(error, warning, note)，本节后续还会解析展开。如果语义正确，最后为这个Binary Expresion创建抽象语法树。

总结Sema模块的工作，如果语义检查不通过，就输出报错信息，通过就输出AST。

Clang Diagnose子系统用于处理和发生各种诊断信息给开发者。Diagnose子系统的调用来源主要是Sema模块，Sema通过辅助函数Diag 生成报错信息(Emit a diagnostic)。

下图中 编译这段有问题的代码，Clang输出报错信息。

信息主要由3部分组成：位置信息，如factorial.cpp:1:1 文件第1行第1列。严重等级: error, warning, note，图中是error，内容：*unknown type name "intt’。

诊断类型在文件include/clang/Basic/DiagnosticSemaKinds.td 中定义，上图unknown type name的定义如下：

Sema模块通过DiagnoseUnkownTypename函数(定义在lib/Sema/SemaDecl.cpp )发送err_unknown_typename类型的诊断信息，使用的是辅助函数Diag。

AST抽象语法树

Sema模块生成抽象语法树 AST (Abstract Syntax Tree)。和C/C++ 源代码相比，Clang AST 是更方便分析和操作的程序表示形式，同时 AST 节点还有源代码行列数等属性。AST结构也可轻易地转换回源代码，因此Clang AST特别适合用于进行静态代码分析、代码重构等工作，方便在C/C++源代码层级上进行分析和修改。

实际的代码产生的 AST结构非常复杂，我们可以先有个整体印象。

上图文件的AST结构如下：

从上图中可以看到，factorial.cpp文件整个内容称为是翻译单元TranslationUnitDecl， 文件只包含一个函数声明FunctionDecl，函数声明由参数声明ParmVarDecl和函数体语句CompoundStmt组成，函数体包括一个if语句IfStmt和返回语句ReturnStmt。

Clang AST中节点的类型主要是Decl(声明)， Stmt(语句) 和 Type(类型)， 以及它们的子类。

  • Dec(声明)

    • FunctionDecl(函数声明)

    • VarDecl(变量声明)

  • Stmt(语句)

    • DeclRefExpr(引用表达式)

    • BinaryOperator(二元运算符)

    • IntegerLiteral(整形字面量)

    • CallExpr(函数调用表达式)

    • ifStmt(if语句)

    • CompoundStmt(复合语句)

    • Expr(表达式)

  • Type(类型)

    • BuiltInType(内置类型)

    • PointerType(指针类型)

    • ArrayType(数组类型)

使用Clang的-ast-dump查看输出的AST的详细结构

clang -c -Xclang -ast-dump factorial.cpp

输出如下：

源代码对应的AST结构如图：

怎么访问/遍历/修改AST，如何基于Clang AST实现有趣的工具和功能呢，后面介绍基于Clang开始时展开。

CodeGen代码生成

CodeGen模块使用AST visitors以访问者模式(Visitor Pattern)遍历AST，然后使用IRBuilder类构建中间表示LLVM IR输出。

以构建if语句条件表达式 n <= 1的LLVM IR为例， CodeGen调用栈Call Stack如下：

  • 调用栈19-15： 这5个函数是Clang Driver函数

  • 调用栈13-12：AST的顶层节点是一个FunctionDecl，对应例子中的 int factorial (int ) {...}**函数，EmitGlobalFunctionDefiniton为函数factorial输出LLVM IR，递归访问FunctionDecl的AST子节点

  • 调用栈10-8： 函数定义由参数列表ParmVarDecl和函数体CompoundStmt组成，EmitCompoundStmtWithoutScope为函数体构造输出LLVM IR，继续递归访问CompoundStmt的AST节点

  • 调用栈7-6：为IfStmt构造输出IR，继续递归访问AST子节点

  • 调用栈4： 为if语句的条件表达‘n <= 1’式构造输出IR ，继续访问AST子节点

  • 调用栈3-2：构造二元运算符‘<=’的ir< p="">

  • 调用栈1: 输出二元运算符‘<=’ 的操作数字面量1

使用Clang的-emit-llvm选项，可以查看输出的LLVM IR

clang -S -emit-llvm factorial.cpp

后文将详细介绍CodeGen输出的LLVM IR结构

基于Clang的开发

Clang设计之初就被设计为一系列库。通过这一系列库，开发者可以实现各种各样强大的功能，玩转编程语言，本章介绍如何基于这些库做开发。

Clang开发示例

在探索Clang的过程中，本人收集和开发了一些Clang开发用例llvm-example，主要是AST的遍历和修改，可以通过GitHub获取代码，编译和运行。

基于Clang开发

执行下面的命令，使用-emit-llvm选项编译一个cpp文件到LLVM IR，Clang内部使用了哪些类和数据结构呢，执行流程是怎样的，如果我们想在这个编译流程上加上自定义的内容呢？

clang -S -emit-llvm factorial.cpp

Clang的编译流程和数据结构设计，给开发这预留了大量的重写和自定义Hook的地方，下图展示了从cpp代码到LLVM IR的内部流程。

CompilerInstance类抽象Clang编译器，它描述了一个编译器的方方面面，包含了预处理Preprocessor，ASTContext(抽象语法树类)，诊断类DiagnosticsEngine等等。编译器CompilerInstance对象使用ExecuteAction执行具体的前端动作FrontendAction，FrontendAction是前端动作的抽象类，开发者可以重写FrontendAction类的函数，执行自定义的操作。

如果执行的是如下命令，Clang编译器具体执行的是EmitLLVMOnlyAction，上图可以看到它和FrontendAction的继承关系。

clang -S -emit-llvm factorial.cpp

EmitLLVMOnlyAction如它的名字含义一样，只输出LLVM IR，FrontendAction还有其他的子类实现，包括EmitAssemblyAction，Clang具体执行哪个由编译参数决定，参见代码lib/Frontend/CompilerInvocation.cpp 。

如果需要自定义实现FrontendAction，可以继承该类，并重写它的几个函数，实现需要的逻辑。

示例中clang-funcnames实现了自定义的MyFrontendAction。

ASTConsumer类是读取抽象语法树AST的基础类，也预留了大量函数给开发者进行重写，Clang里ASTConsumer也有多种子类实现如下图

使用-emit-llvm输出LLVM IR时， Clang使用的是BackendConusmer读取AST，同样如果自定义AST处理逻辑，可以重新它的如下等函数

示例中clang-funcnames实现了自定义的MyASTConsumer。

RecursiveASTVisitor访问处理具体AST节点的基础类，ASTConsumer使用它访问具体的语法树节点，它们之间的关系如下：

RecursiveASTVisitor提供了一些列处理AST节点的函数，如访问表达式VisitDecl和访问声明VisitDecl，都是可重写的函数：

示例中clang-funcnames实现了自定义的MyASTVisitor：

总结下一下，如果使用Clang进行静态代码分析、代码重构等AST遍历和编辑工作，主要涉及的基础类是FrontendAction，ASTConsumer和RecursiveASTVisitor，这三个类非常的庞大，Clang文档给出了这些类的详细结构。这几个类的交互和基本使用方法可参考本人开发收集的Clang开发用例llvm-example。

写在最后

重新引用上图，实现特征计算引擎有多种方案可选，但没有一种方案能解决所有问题，每种方案都有各自的优劣。考虑到微信后台主要使用C/C++语言，因此采用C/C++语言的WebAssembly方案和类C/C++语言的DSL是不错的选择，结合Python和Lua完全能满足业务需求。本文通过探索C/C++解释执行，提出了一种基于Clang/LLVM的方案，具有高性能且能与微信C/C++基建良好兼容，值得进一步研究。

参考资料：

ccint - a C/C++ interpreter, built on top of Clang and LLVM compiler

声明：本文来自腾讯技术工程，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。