GCC和g++是如何进行自举的？

Question

这个问题困扰着我一段时间了。GCC和g++是如何编译自己的？

我猜每个修订版本都是用之前构建的版本编译的。这是真的吗？如果是这样，是否意味着最旧的g++和GCC版本是用汇编语言编写的？

- user1010005

---

每个修订版最终都可以自己编译。 :) - Martin Hennings

如果你想了解第一批编译器是如何产生的，阅读这篇文章会很有趣。 - parkovski

@parkovski 这个链接失效了吗？ - Nubcake

上次链接出现在2016年6月4日：https://web.archive.org/web/20160604035203/homepage.ntlworld.com/edmund.grimley-evans/bcompiler.html - akraf

Answer 1

最早的GCC版本是使用另一个C编译器进行编译的，因为在它被编写时还有其他编译器可用。第一款C编译器（约1973年左右）可能是用PDP-11汇编语言或其前身B语言实现的，但无论哪种方式，B编译器都是用汇编语言编写的。同样地，第一款C++编译器（CPre/Cfront，1979-1983）可能首先是用C实现的，然后用C++重写。

当你编译GCC或任何自托管编译器时，完整的构建顺序如下：

1. 使用现有的C编译器构建新版本的GCC
2. 使用刚刚构建的版本重新构建新版本的GCC
3. （可选）为了验证目的，重复步骤2。

这个过程称为引导。它测试编译器编译自身的能力，并确保生成的编译器使用了它本身实现的所有优化。

编辑：在评论中，Drew Dormann指向了Bjarne Stroustrup关于C++最早实现的描述。它是用C++实现的，但由Stroustrup称为“预处理器”从C++翻译成C；按他的定义不是一个完整的编译器，但仍然使用C ++引导了C ++。

- Fred Foo

---

引导式编译的3步版本确实是用于验证的：编译器本身被用作自测试案例。使用[其他工具]编译的GCC应该产生相同的结果(相同的二进制文件, 不包括像 __DATE__ 和 __TIME__ 这样即使在同一编译器调用之间也会变化的宏)，与使用[GCC compiled with [other]]编译的GCC相同 - 如果不是这样，那就是一个错误，而3阶段引导构建就是为了捕捉这种情况。 - pmdj

如果不是这样，那就是一个漏洞，或者更不可能的情况是正在引入的一个阴险后门（“对于信任的反思”）。 - Steve Jessop

@sleske说的不对。步骤2的二进制输出必须与步骤3的二进制输出完全相同，否则就会出现错误。原因就像pmjordan所说的那样：NewCompiler1和NewCompiler2是具有相同源代码（即NewCompiler的源代码）的程序。它们都接受相同的输入（即NewCompiler的源代码）。因此，无论它们自己编译器是什么（在这种情况下，NewCompiler1是用OldCompiler编译的，而NewCompiler2是用NewCompiler1编译的），它们将产生相同的输出。也就是说，NewCompiler2和NewCompiler3是二进制上完全相同的。 - Steve Jessop

你是否曾经想过：如果我们失去了所有C编译器二进制文件，该怎么办？并且必须从头开始引导？ 这是我的解决方案：有一个称为Tiny C Compiler的编译器（实际上可以编译Linux内核，因此功能非常完整）。其所有C源文件总共只有30,000行代码，包括注释。虽然这需要相当大的努力，但熟悉C语言的人可以通过阅读源代码学习如何生成二进制输出，并且手动“编译”TCC源代码（我在这里想到了打孔卡片）。然后使用重新编译的TCC来引导GCC或类似的编译器。 - datenwolf

@datenwolf说的差不多就是这样。如果我们假设失去了所有C编译器二进制文件，但仍然有汇编器，那么我们可以编写一个汇编程序TinyTinyC。它将比TinyC少一些功能： 我们不需要它能够编译GCC或Linux内核，我们只需要它能够编译TinyC。然后在TinyC源代码上运行它，这样就会得到一个能够编译Linux（希望能编译glibc和GCC）的C编译器，这样我们就可以开展业务了。如果我们甚至没有汇编器，那么我们首先要启动一个汇编器，这比启动一个C编译器更容易。 - Steve Jessop

Answer 2

如果您想在现代环境（x86 Linux）中复制GCC的引导过程，可以使用由bootstrappable项目开发的工具：

• 我们可以从hex0汇编器（在x86上是357字节二进制文件）开始，它大致执行以下两个命令所做的操作：

sed 's/[;#].*$//g' hex0_x86.hex0 | xxd -r -p > hex0
chmod +x hex0

即将二进制程序的ASCII等效项翻译成二进制代码，但是它本身是用hex0编写的。

基本上，hex0有与其二进制代码一一对应的等效源代码。

hex0可用于构建稍微更强大一些的hex1汇编程序，支持一些其他功能（一个字符标签和计算偏移量）。 hex1是用hex0汇编语言编写的。

hex1可用于构建hex2（支持多字符标签的更先进的汇编程序）。

然后可以使用hex2来构建宏汇编程序（使用宏而不是十六进制操作码的程序）。

然后可以使用该宏汇编程序构建在汇编语言中编写的“C编译器”cc_x86。cc_x86仅支持C的一小部分，但这是一个令人印象深刻的开端。

您可以使用cc_x86构建在C中编写的C编译器M2-Planet（宏平台中性转换器）。M2-Planet是自主主机并且可以构建它自己。

然后可以使用M2-Planet构建小型方案解释器GNU Mes。

mes可用于运行在方案中编写的C编译器mescc，并与mes位于同一存储库中。

mescc可用于重新构建mes并构建mes C库。

然后可以使用mescc构建稍微修复的Tiny C编译器。

然后可以使用它来构建更新版本的TCC 0.9.27。

使用旧版GCC可以构建GCC 4.0.4和musl C库。

然后可以使用旧版GCC构建较新版本的GCC。 例如，GCC 4.0.4-> GCC 4.7.4->现代GCC。

简而言之：

hex0 -> hex1 -> hex2 -> M0 -> M2-Planet -> Mes -> Mescc -> TCC -> GCC。

- Andrius Štikonas

---

你忘了需要重新编译现代GCC才能获得所有C++优化（毕竟现在的GCC是用C++编写的），而不仅仅是4.7.4版本的。 - Валерий Заподовников

这只是一个简短的摘要。当您构建现代GCC时，可以使用其构建系统自动重新编译它。还有许多缺少的步骤与编译器无关，您需要构建shell、binutils和许多其他工具。例如，您可以查看live-bootstrap https://github.com/fosslinux/live-bootstrap/blob/master/parts.rst，尽管目前仅支持g++ 4.7.4。 - Andrius Štikonas

1. 你是指x86_64还是x86 32位？
2. M2 Planet自托管有什么关系吗？
3. 为什么需要重建mes并构建mes C库？
4. 如果GNU Mes已经是一个C编译器，为什么我们还需要构建TCC？也就是说，为什么不能用mes来构建GCC？
5. 为什么不能使用修补过的TCC来构建GCC和musl，而是用它来构建未修补过的TCC？

- einpoklum

这是32位版本。64位支持即将完成，但尚未完成。2. 嗯，在这个引导过程中，它是第一个自举程序，也就是说，到那时你可以基本上忘记汇编语言，专注于更高级的编译器。3. 因为用mescc构建的mes比用M2-Planet构建的mes更强大一些（而且速度更快）。4. 因为mescc无法构建更复杂的软件，如果我没记错的话，它甚至没有浮点数。此外，mescc非常慢，构建tcc需要10分钟，而GCC则更大。5. 这是一个修补过的TCC 0.9.26版本，它要旧得多。TCC 0.9.27更强大。 - Andrius Štikonas