Die Sammlung enthält Compiler für die Programmiersprachen C, C++, Java, Objective-C, Fortran, Treelang und Ada. Die Compiler-Sammlung unterliegt den Bedingungen der GPL. Sie gehört zu dem Handwerkzeug jedes Computerbenutzers, der seine freie, quelloffene Software selber kompiliert.

Die erste öffentliche Version (0.9) des GCC wurde am 22. März 1987 von Richard Stallman für das GNU-Projekt freigegeben (Version 1.0 erschien am 23.05 desselben Jahres) und wird heute von Programmierern auf der ganzen Welt weiterentwickelt. Die Erweiterung des C-Compilerpakets zur Compiler-Collection erfolgte in dem Rahmen des EGCS-Projektes, das eine Weile parallel zu dem GCC existierte und schließlich zu dem offiziellen GCC wurde.

GCC ist ein umfangreiches Projekt. Es besteht aus über 25 Tausend Dateien mit über 2,1 Millionen Zeilen Code.

GCC wird von einer Reihe von Systemen als Standard-Compiler benutzt, darunter GNU/Linux, BSD, Mac OS X, NextStep, und BeOS. Er wurde auf mehr Systeme und Rechnerarchitekturen portiert als jeder andere Compiler und bietet sich besonders für Betriebssysteme an, die auf verschiedenen Hardware-Plattformen laufen sollen.

Das GCC-Projekt entschied sich, einige Plattformen offiziell als primäre und andere als sekundäre Evaluationsplattformen zu nennen. Vor jeder Veröffentlichung einer neuen Version werden insbesondere diese beiden Gruppen getestet. Zu den Prozessoren, für die GCC Programme erzeugen kann, gehören (primäre und sekundäre Evaluationsplattformen sind markiert):

• Alpha (primär, unter Red Hat Linux)
• ARM-Architektur (sekundär, unter Linux)
• H8/300
• S/370, S/390
• x86 und x86-64 (primär unter Linux und FreeBSD)
• IA-64 "Itanium"
• Motorola 68000
• Motorola 88 Tausend
• MIPS-Architektur (primär unter IRIX)
• PA-RISC (primär unter HP-UX)
• PDP-11
• PowerPC (primär unter AIX, sekundär unter Linux)
• SuperH
• Sun SPARC (primär unter Solaris, sekundär unter Linux)
• VAX

Dazu kommen noch eine Reihe weiterer eher exotische Plattformen, wie z.B. Motorolas 68HC11 , A29K, ARC, C4x, CRIS, D30V, DSP16xx, FR-30, FR-V, Intel i960, IP2000, M32R, MCORE, MMIX, MN10200, MN10300, NS32K, ROMP, Stormy16, V850, und Xtensa, die von kaum mehr als einer Handvoll Leuten genutzt werden.

Das externe Interface des GCC entspricht dem eines Standard-Unix-Compilers. Der Benutzer ruft ein Hauptprogramm mit dem Namen gcc auf, das Kommandozeilen-Argumente interpretiert, die in den Eingabedateien vorliegende Programmiersprache feststellt, den entsprechenden Sprach-Compiler aufruft, dem Assembler dessen Ausgabe übergibt und zu dem Schluss evtl. den Linker aufruft, um ein komplettes Programm zu erhalten.

Jeder Sprach-Compiler ist ein separates Programm, das Quellcode entgegen nimmt und Assemblersprache produziert. Alle haben eine vergleichbare interne Struktur: Ein sprachabhängiges Frontend parst die Sprache und erzeugt einen abstrakten Syntaxbaum , der an ein Backend übergeben wird, das den Baum in GCCs Register Transfer Language (RTL) überführt, verschiedene Codeoptimierungen durchführt und zu dem Schluss Assemblersprache erzeugt. Der dazu benutzte Algorithmus basiert auf Arbeiten von Jack Davidson und Chris Fraser zu dem Pattern Matching.

Fast alle Bestandteile des GCC sind in C geschrieben. Eine Ausnahme bildet das Ada-Frontend, das zu dem größten Teil in Ada geschrieben ist.

Frontends müssen Bäume produzieren, die vom Backend verarbeitet werden können. Wie sie dies erreichen, bleibt ihnen überlassen. Einige Parser benutzen YACC -ähnliche Grammatiken, andere benutzen handgeschriebene rekursive Parser.

Bis vor kurzem war die Baumrepräsentation des Programms nicht völlig vom Absichtprozessor unabhängig. Die Bedeutung eines Baums konnte für unterschiedliche Sprachfrontends unterschiedlich sein, und Frontends konnten ihren eigenen Baumcode zur Verfügung stellen.

Mit dem Tree-SSA-Projekt, das in die neue Version GCC 3.5 integriert wird, wurden zwei neue Formen von sprachunabhängigen Bäumen eingeführt. Diese neuen Baumformate wurden GENERIC und GIMPLE getauft. Parsing wird nun durchgeführt, indem ein temporärer sprachabhängiger Baum nach GENERIC konvertiert wird. Der so genannte "Gimplifier" überführt diese komplexe Form in die SSA -basierte GIMPLE-Form, von der ausgehend eine Reihe neuer sprach- und architekturunabhängiger Optimierungen durchgeführt werden können.

Optimierung an Bäumen passt eigentlich nichtins Schema von "Frontend" und "Backend", da sie nicht sprachabhängig ist und kein Parsen beinhaltet. Die GCC-Entwickler haben diesem Teil des Compilers daher den Namen "Middleend" gegeben. Zu den gegenwärtig am SSA-Baum durchgeführten Optimierungen gehören Dead Code Elimination, Partial Redundancy Elimination, Global Value Numbering, Sparse Conditional Constant Propagation, und Scalar replacement of Aggregates. Array-basierende Optimierungen wie zu dem Beispiel automatische Vektorisierung, wie sie der Intel-Compiler anbietet, werden gegenwärtig entwickelt.

Das Verhalten des GCC-Backends wird teilweise durch Präprozessor-Makros und architekturspezifische Funktionen bestimmt, mit denen zu dem Beispiel die Endianness, Wortgröße und Aufrufkonventionen definiert werden. Unter Verwendung dieser Informationen generiert das Backend die Register Transfer Language (RTL). Obwohl GCCs RTL dem Namen nach prozessorunabhängig ist, ist die Sequenz an abstrakten Instruktionen daher bereits an die Absicht angepasst.

Die Art und Anzahl der vom GCC an der RTL durchgeführten Optimierungen werden mit jeder Compiler-Version weiterentwickelt. Seit der kürzlichen Einführung globalen SSA-basierten Optimierungen an GIMPLE-Bäumen haben die RTL-Optimierungen leicht an Bedeutung verloren, da in der RTL-Repräsentation des Programms weit weniger der für viele Optimierungen wichtigen High-Level-Informationen enthalten sind.

In einer "Reload"-Phase werden abstrakte Pseudo-Register durch echte Maschinenregister ersetzt, wobei Daten aus Strukturen benutzt werden, die den Befehlssatz deAbsichts beschreiben. Diese Phase ist recht kompliziert, da die verschiedenen Eigenheiten der jeweiligen Absichtarchitektur hier besonders berücksichtigt werden müssen.

Die letzte Phase ist relativ unspektakulär. Aus der bereits recht maschinennahen Umsetzung der RTL wird Assemblercode generiert, indem die Namen von Registern und Adressen in Strings umgesetzt werden, die die Instruktionen spezifizieren.

• GCC XML Node Introspector
• Plattformunabhängigkeit
• Free Software Foundation
• GNU
• LLVM
• DISTCC
• CCACHE

• gcc.gnu.org - Die offizielle GCC-Startseite
• Kurzanleitung für den GCC (http://www.lcs-chemie.de/c_comp.htm)

Dieser Artikel basiert auf einer Übersetzung des Artikels en:GNU Compiler Collection aus der englischen Library, Version vom 31. Juli 2004