changxvv / blog Goto Github PK

添加友情链接，被我打上❤后会自动加到友情链接里。格式为：

名字：xxxxxx
链接：xxxxxx
描述：xxxxxx

现有的混淆

在 DevEco 现有的最新版本里，采用的代码混淆是使用的是开源的 uglify。

{
	"apiType": "stageMode",
	"buildOption": {
	    "artifactType": "obfuscation" // 在项目设置文件中开启混淆
	}
}

在 DevEco 中调用的代码位于 https://gitee.com/openharmony/developtools_ace_ets2bundle/blob/master/compiler/uglify-source.js。

Arkguard

Arkguard 是华为新开发的针对 Javascript 和 Typescript 的源码混淆工具。（我猜名称应该是模仿 Java 的开源混淆工具 ProGuard。）

在文档中，Arkguard 只能用于 Stage 模型 (不支持 FA 模型)，并且 Arkguard 只提供名称混淆的能力（理由是因为其它混淆能力会劣化性能）。

混淆的名称有：

• 参数名和局部变量名
• 顶层作用域的名称
• 属性名称

后两者默认关闭，因为默认打开可能会导致运行时错误。

项目源代码结构：

src
├── ArkObfuscator.ts          // Entry，对文件进行代码混淆
├── IObfuscator.ts            // 定义混淆接口
├── cli                       // 调用ArkObfuscator，创建了混淆命令SecHarmony
├── common                    // 提取目标文件中的API信息
├── configs                   // 混淆的参数设置
├── generator                 // 主文件NameFactory，生成不同类型的混淆名称
├── transformers              // 被ArkObfuscator调用，进行代码转换和混淆
│   ├── TransformPlugin.ts    // 接口定义
│   ├── TransformerManager.ts // 根据混淆参数创建针对性的TransformerFactory进行代码混淆
│   ├── layout                // 处理代码布局，有三个TransformerFactory，分别用于禁用控制台调用、禁用Hilog调用和简化代码
│   └── rename                // 名称混淆，有三个TransformerFactory，分别用于重命名标识符、重命名属性、展开属性简写
└── utils

Reference

• Arkguard 仓库及文档：https://gitee.com/openharmony/arkcompiler_ets_frontend/tree/master/arkguard

本科 中南大学 在读。

我认为人们需要构建自己的一整套学习体系，以达到终生学习的目的。

一套完整的学习体系应该包括人生目标管理系统、时间管理工具、信息收集系统、笔记系统、输出系统。

关于构建个人的只是体系，另一个流行的等价概念便是「元学习」。

TODO

• 需要完善人生目标管理系统、时间管理工具、信息收集系统、输出系统部分。

我的笔记系统

笔记系统的另一个等价概念是「第二大脑」。

一个完整的学习闭环可以用 ENCODE 来概括：Encounter、Note、Connect、Organize、Develop、Express。

信息输入和整理

我使用 Obsidian 这个应用，运用双链笔记系统，对知识进行记录和整理。例如：

笔记软件备选项：

• Onenote（不建议手写，因为不方便检索）
• Logseq
• Heptabase
• Notion
• Roam Research
• Flomo
• TiddlyWiki

在整理好之后，一些相关的知识应该会链接在一起，便于自己联想和构思：

上图是我大二、大三两年学习中构建的笔记及其链接。

同时，Obsidian 也帮我承担了一部分信息收集的任务，我会把每天从 RSS、微信公众号、博客、交流中收集到的认为值得进一步了解的信息放进我的日记里面。（类似收藏夹，但是会定期整理，防止「搜藏从未停止，阅读从未开始」的情况发生。）

再者，Obsidian 也承担了一部分 Express 的任务，我发表文章时的初稿会在 Obsidian 中完成（例如本篇文章）。

信息记忆与优化

唯一推荐——Anki。通过 Anki 将你认为需要持续记忆和学习的知识点做成 flashcard，通过软件自身的算法每天复习。这里推荐两个链接：

• 美化：GitHub - pranavdeshai/anki-prettify: Collection of customizable Anki flashcard templates with modern and clean themes.
• Anki 算法优化：Open Spaced Repetition · GitHub

值得一提的是，FSRS 算法开发者 @L-M-Sherlock 的知乎账号还有更多的有关学习与教育的文章（如 为什么有的计算机本科生就能发表顶会，但是许多博士生还是一篇都没有？、学校让人沾染上的 100+ 恶习 和 天才清单），推荐阅读。

因为迁移 Anki 成本太大，目前我仍使用的是 SuperMemo：

看了一圈 ArkCompiler 相关仓库的文档，其中 runtime_core 仓库的文档是最全的，介绍了 ArkCompiler 的整体设计。

ArkCompiler 中的字节码文件后缀为 abc，整个编译器运行时有一个名字叫做 Panda，所以说 Arkcompiler 的字节码又被成为 Panda 字节码。

文档文件树如下：

├── compiler
│   └── docs                                 // 讲了各种各样在ir阶段的optimizations
└── docs
    ├── 2022-08-18-isa-changelog.md
    ├── PBC2IR.md                            // Panda Bytecode转IR的对照表
    ├── aot.md                               // 介绍arkcompiler的Ahead Of Time Compilation
    ├── assembly_format.md                   // Panda字节码的格式
    ├── bc_verification                      // 介绍字节码验证器
    ├── cfi_directives.md                    // cfi指令用法
    ├── code_metainfo.md                     // 介绍编译后的代码元信息
    ├── coding-style.md
    ├── debugger-vscode-communication.md
    ├── design-of-interpreter.md             // 解释器设计
    ├── file_format.md                       // 二进制文件格式
    ├── glossary.md
    ├── ir_format.md                         // 介绍ir的设计和格式
    ├── irtoc.md                             // 将手工创建的IR编译为目标代码
    ├── memory-management-SW-requirements.md
    ├── memory-management.md                 // 内存管理
    ├── on-stack-replacement.md              // 介绍OSR
    ├── panda-runtime.md                     // 字节码文档目录
    ├── rationale-for-bytecode.md            // 字节码设计原理
    ├── runtime-class.md
    ├── runtime-compiled_code-interaction.md // 编译后代码和运行时的交互
    ├── runtime-debug-api.md
    └── tracing.md

这里重点说一下 ir_format。里面提到了 ArkCompiler 使用了 Reverse Post Order (RPO)、Domtree、Linear Order 以及多种 Analysis 技术。并且提到了 Panda IR 处理的两个步骤：

1. Panda bytecode 被转换为 high-level 的指令，进行部分架构独立的优化；
2. 指令被进一步分为几个 low-level 指令（接近汇编），再进行优化。

第一个步骤是为了快速生成 IR，第二个步骤目标是 ARM64，然后进行 ARM 的特殊优化。文档也提到了支持 Panda IR 和 LLVM IR 之间的转换，这样就能允许进行 LLVM 的特殊优化。

其次，在文档中，ArkCompiler 选择了 CFG (Control Flow Graph) with SSA (Static Single Assignment) 的架构而非 Sea-of-Nodes，原因是前者更简单通用并且更轻量。而 IR 的指令则使用类继承的方式来设计实现（Inst 是基类）。

寄存器分配方面，目前使用的是消耗较小的 Linear Scan 算法，之后会考虑转向 Graph-coloring 算法，因为它能生成更高效的代码。

IR 转机器码方面，目前 ArkCompiler 使用的是标准 vixl 库，算是 ARM 的技术。之后可能会考虑自己实现这部分。

值得注意的是，最近 runtime_core 仓库中增加了一个 static_core 模块，里面对现有的 core 做了改动，文档也更丰富了。比如 compiler 部分新增加了几十种在字节码阶段的优化方法的文档（如 branch_elimination、loop_unrolling）；其次，在主文档内还添加了 Deoptimization、Cross-Value 等新功能的文档。

Reference

• runtime_core 仓库：https://gitee.com/openharmony/arkcompiler_runtime_core

在 markdown 格式下进一步的格式要求。