KAIST CS420 Compiler Design: Building a Real C Compiler in Rust with KECC, SSA Optimization and RISC-V Code Generation

本文是 cs-self-learning 计算机自学指南对 KAIST CS420《Compiler Design》课程的完整导读。这门课程围绕用 Rust 写成的教学编译器框架 KECC（KAIST Educational C Compiler），引导学习者实现语法树打印、SSA 中间代码生成、IR 优化（CFG 简化、GVN 等）与 RISC-V 汇编生成等编译器后端核心模块，并直接面向真实 C 语言，借助 Csmith 模糊测试验证正确性。读完本文，你将掌握该课程的定位、前置要求、作业结构、自学路线，以及它在 cs-self-learning 编译器课程体系（CS143、NJU、USTC、PKU 等）中的取舍与位置。

课程基本信息

• 所属大学：KAIST（韩国科学技术院）
• 先修要求：数据结构、计算机系统基础、Rust 编程基础
• 编程语言：Rust
• 课程难度：🌟🌟🌟🌟
• 预计学时：80 小时

CS420 由 KAIST 并发与并行实验室（Concurrency and Parallelism Laboratory）主导开设。从 cs-self-learning 中另一门 Rust 入门课 CS220 的介绍可以看出，该实验室的 Jeehoon Kang 是 Rust 的积极推动者，同一教学团队还贡献了并发系统课程 CS431 与编译器课程 CS420，本课程正是他们"用 Rust 贯穿系统软件教育"思路的延续——先通过 CS220 掌握 Rust，再用 Rust 在 CS420 中实现编译器核心。

课程核心：基于 KECC 框架实现编译器

课程为学习者提供一套用 Rust 编写的编译器框架代码 KECC（KAIST Educational C Compiler）。与传统"从词法分析器写到代码生成器"的完整编译器课程不同，KECC 已为你打好骨架，你需要在此基础上补齐编译器的若干核心部分，主要包括：

• AST 打印：从抽象语法树的遍历开始，训练对语法结构的理解，也用于后续测试校验；
• SSA 中间代码生成：设计并生成基于静态单赋值形式（Static Single Assignment）的中间表示；
• 中间代码优化：包含 CFG（控制流图）简化、GVN（全局值编号，Global Value Numbering）等经典优化 pass；
• 目标代码生成：将优化后的 IR 翻译为 RISC-V 汇编。

这种分工让课程的重心明确落在编译器的"后半段"——中间表示的设计、生成与优化，以及面向真实指令集 RISC-V 的汇编代码生成。

与传统编译器课程相比的三大特点

面向真实 C 语言而非玩具语言

绝大多数编译原理课程会自创一门简化语言（如 Stanford CS143 的 COOL 语言、PKU 的 SysY、NJU 与 USTC 框架中的教学子语言），以缩小问题规模、聚焦教学重点。CS420 则直接面向真实的 C 语言，语法与语义的覆盖范围远超玩具语言，编译器的健壮性因此成为硬性要求。

为验证正确性，课程引入了 C 语言模糊测试工具 Csmith。Csmith 可以随机生成大量行为有定义、可预期的 C 程序，将编译器输出与参考行为对照，从而在巨大且随机的测试压力下暴露 IR 生成、优化与汇编生成阶段潜藏的错误——这是玩具语言课程通常无法企及的验证强度。

跳过前端、直击 IR 与代码生成的实用性导向

课程对编译器前端（词法分析、语法分析、语义分析）的理论涉及很少，也不需要你手工构造前端。第一个实验直接以抽象语法树的遍历为起点——前端部分已由框架完成。与之形成对比的是，Stanford CS143 将 4 个编程实验中的 3 个分配给前端、1 个分配给后端；NJU 借助 ANTLR 生成词法/语法分析模板；USTC 则使用 Flex/Bison 手写前端。CS420 刻意回避这条路线，把学习者的精力集中在课程最想强调的部分：IR 的设计、生成与优化，以及 RISC-V 汇编生成。

这种"实用主义"取舍的另一大收益是：由于课程采用的 SSA IR、优化 pass、指令选择等思路与 LLVM 高度同源，完成本课程对理解和学习 LLVM 也很有帮助。若你未来想阅读 LLVM 源码、使用 LLVM 生态做自研编译器，本课程是很好的前导训练。

配套视频含详细代码讲解，对初学者友好

课程配有完整的视频录像，其中包含逐段代码讲解（code tour），会带着学习者走读 KECC 框架中的关键实现。对于自学而言，"跟着视频读框架代码"能显著降低上手门槛，避免对着陌生的大型代码库无从下手。

课程资源

• 课程网站与仓库：https://github.com/kaist-cp/cs420
• 课程视频（YouTube 播放列表）：https://www.youtube.com/playlist?list=PL5aMzERQ_OZ8RWqn-XiZLXm1IJuaQbXp0
• 课程教材：见课程仓库 README 的 Textbook 一节（https://github.com/kaist-cp/cs420?tab=readme-ov-file#textbook）
• 课程作业：见课程仓库 README 的 Homework 一节（https://github.com/kaist-cp/cs420?tab=readme-ov-file#homework-60）

仓库的 README 同时给出了教材清单与作业组织方式，是自学者获取一手资料的第一入口。

自学建议与前置准备

先补足 Rust 编程能力

CS420 的框架代码与作业全部基于 Rust，先修要求中明确包含 Rust 编程基础。如果 Rust 尚不熟练，建议先完成 KAIST CS220：Programming Principles 或斯坦福 CS110L（cs-self-learning 中 Rust 方向的课程还有 CS431），再进入 CS420。对 Rust 的所有权、借用检查、模式匹配、Result/Option 错误处理以及 crate 组织方式有手感后，阅读 KECC 框架会顺畅得多——IR 节点、作用域与所有权设计恰好是 Rust 风格系统软件的典型场景。

具备计算机系统与指令集基础

课程最终输出 RISC-V 汇编，因此先修要求包含"计算机系统基础"。建议至少理解寄存器、栈帧、调用约定、内存寻址等概念。若这部分基础薄弱，可先修读 cs-self-learning 中的 CSAPP（深入理解计算机系统）或体系结构方向的 CS61C（其大作业同样涉及 RISC-V 汇编与调用约定），会对理解代码生成阶段大有帮助。

学习策略

• 前几个实验先在视频代码讲解的引导下通读 KECC 框架，弄清楚测试如何驱动、AST 如何表示，再动手实现。
• SSA 相关概念（支配树、Phi 节点、控制流图简化）初次接触容易困惑，建议结合教材与实现双向对照理解。
• 优化部分建议小步迭代：先保证正确性，再验证每个 pass 的输出确实改变了 IR 形态，最后用 Csmith 生成的大规模程序做压力测试。
• 由于课程目标平台真实、验证强度高，不要期望"一次写对"；把编译器的报错输出与中间 dump 当作调试工具来用。

在 cs-self-learning 编译器课程谱系中的定位

cs-self-learning 的编译原理板块收录了多门风格互补的编译器课程，可对照选择：

课程	语言/工具	目标语言	侧重	后端深度
Stanford CS143	Java 或 C++，手写 COOL 前端	MIPS	经典前端原理全覆盖	较弱
NJU 编译原理	Java + ANTLR 4	教学 IR/解释器	借助工具聚焦文法与中间代码	中等
USTC 编译原理	C++	LoongArch，LLVM 子集 LightIR	以 LLVM 子集为 IR 的完整编译器	强
PKU 编译原理实践	C/C++/Rust 任选	RISC-V，自研 Koopa IR	从零手写，自由度高	强
KAIST CS420（本文）	Rust	RISC-V	真实 C 语言 + SSA 优化 + 汇编生成	强

CS420 的独特价值在于组合了三个"稀有"要素：Rust 实现、真实 C 语言（配合 Csmith 模糊测试）、以及 SSA 到 RISC-V 的完整后端链路。相比 CS143 的前端训练、PKU 的"从零自由发挥"和 USTC 的 LLVM 子集路线，CS420 更接近"以现代工业级优化编译器为参照、用工程化手段做后端"的形态，也是理解 LLVM 如何工作的一条高效捷径。

如果你已完成 CS220 并掌握 Rust，同时想体验"真实 C 语言 + SSA 优化 + RISC-V 目标代码生成"的完整现代编译器后端开发，KAIST CS420 是难度适中（四星、约 80 小时）、工程收益显著的选择。英文原文见 CS420.en.md，中文版见 CS420.md。