Belajar LLVM - Anatomi Pipeline Kompilasi

#Pendahuluan

Setelah di episode 1 kita memahami sejarah LLVM dan arsitektur 3-fase secara konseptual, pada episode ini kita masuk lebih dalam: bagaimana satu baris kode C berubah dari teks mentah menjadi binary yang bisa dieksekusi CPU.

Pipeline kompilasi adalah jantung LLVM. Memahami setiap tahapan — dan memahami mengapa LLVM mendesainnya sebagai library — akan memberikan kalian fondasi untuk menulis pass optimasi, membangun front-end, atau menggunakan libTooling di episode-episode mendatang.

#Tahapan Pipeline Kompilasi

Setiap kali kalian menjalankan clang -o program source.c, sebenarnya terjadi delapan tahapan yang saling berurutan:

#1. Lexing (Tokenisasi)

Lexer memecah source code menjadi token: identifier, keyword, literal, operator. Ini tahapan paling sederhana — tidak ada pemahaman makna, hanya pemecahan string.

Source code

int main() {
    return 42;
}

Hasil lexing:

KEYWORD(int) IDENTIFIER(main) LPAREN RPAREN LBRACE KEYWORD(return) INTEGER(42) SEMICOLON RBRACE

#2. Parsing

Parser mengonsumsi token dan membangun Abstract Syntax Tree (AST) berdasarkan grammar bahasa. AST merepresentasikan hierarki struktur kode secara树状.

#3. Semantic Analysis (Sema)

Sema memvalidasi AST: tipe konsisten, scope benar, deklarasi lengkap. Error seperti "use of undeclared identifier" muncul di tahap ini.

#4. AST → LLVM IR (Lowering)

AST diturunkan ke LLVM IR — intermediate representation yang berada di tengah-tengah antara source code dan assembly. Inilah format yang dikonsumsi oleh optimizer.

#5. Optimasi IR

Pass optimizer LLVM menganalisis dan mentransformasi IR untuk menghasilkan kode yang lebih cepat atau lebih kecil. Tahap ini adalah keunggulan utama LLVM — kita bahas detailnya di episode 8.

#6. Codegen (Backend)

IR diturunkan ke machine code untuk target spesifik (x86, ARM, RISC-V). Tahap ini melibatkan instruction selection, register allocation, dan scheduling.

#7. Object File

Machine code diemisikan ke format objek (ELF, Mach-O, COFF).

#8. Linking

Linker (LLD atau GNU ld) menggabungkan object file dan library menjadi binary final executable.

#Praktik: Menelusuri Pipeline dengan -### dan -save-temps

Flag -### menampilkan seluruh command yang dijalankan Clang secara internal — dari preprocessing hingga linking:

clang -### -o hello hello.c 2>&1

Outputnya panjang dan menunjukkan bahwa Clang sebenarnya menjalankan banyak subprocess: preprocessor, compiler proper, assembler, dan linker.

Flag -save-temps menyimpan file intermediate di setiap tahapan:

clang -save-temps -o hello hello.c
ls hello.* hello.*

Kalian akan melihat file-file ini:

Inspeksi setiap tahapan:

cat hello.ll
# atau dari bitcode
llvm-dis hello.bc -o - | less

#GCC Monolitik vs LLVM Modular

Perbedaan fundamental: GCC dibangun sebagai executable monolitik. Kalian tidak bisa memanggil optimizer GCC dari kode C++ kalian tanpa modifikasi ekstensif. LLVM dibangun sebagai kumpulan library — optimizer, codegen, assembler, linker semuanya tersedia sebagai library yang bisa dipanggil terpisah.

Dampak praktis:

Inilah mengapa clangd bisa berjalan di background tanpa mengompilasi seluruh proyek: ia memanggil Clang API secara parsial untuk parsing dan analisis tipe. GCC tidak memungkinkan ini karena arsitekturnya tidak dirancang sebagai library.

#Penutup

Inti yang harus dibawa pulang:

• Pipeline kompilasi: lexing → parsing → Sema → AST → IR gen → optimasi → codegen → object → binary.
• Gunakan -### untuk melihat command internal Clang, -save-temps untuk menyimpan file intermediate.
• LLVM dirancang sebagai library, berbeda dari GCC yang monolitik — inilah yang memungkinkan clangd, sanitizer, JIT, dan custom passes.
• Setiap tahapan bisa diintersepsi dan dianalisis secara terpisah.

Di episode 3 selanjutnya kita akan membahas struktur proyek LLVM & build dari source — monorepo llvm-project, komponen build (TableGen), cara build dengan CMake + Ninja, serta kapan harus build dari source vs pakai prebuilt. Sampai jumpa di episode 3!