U10 中间代码优化

一、概述

1、概念

指编译程序为了生成高质量的目标程序而做的各种加工和处理。

2、分类

1）分类1

1. 与机器无关的优化技术：即与目标机无关的优化，通常是在中间代码上进行的优化。
   如：数据流分析 ，常量传播，公共子表达式删除，死代码删除，循环交换，代码内联等等
2. 与机器相关的优化技术
   充分利用系统资源，（指令系统，寄存器资源）。
   特点：仅在特定体系结构下有效。

2）分类2

1. 局部优化技术
   指在基本块内进行的优化
   例如，局部公共子表达式删除
2. 全局优化技术
   函数/过程内进行的优化
   – 跨越基本块
   – 例如，全局数据流分析、循环优化
3. 跨函数（过程间）优化技术
   – 整个程序范围内的优化
   – 例如，函数内联、函数间常量传播、跨函数别名分析，逃逸分析，死调用/死函数删除，全局变量优化等。

二、基本快、流图

1、基本块定义

1. 基本块中的代码是连续的语句序列
2. 程序的执行（控制流）只能从基本块的第一条语句进入
3. 程序的执行只能从基本块的最后一条语句离开
4. 符合上述条件的最大块

总结：有goto的和goto去的地方需要划分

2、流图

流图是一种有向图 G（V,E）
图的节点V： <基本块>组成的集合
图中B1-B2的边：B2的执行紧跟在B1之后

编译器按照“程序—流图—基本块—中间代码”选择合理的数据结构组织和管理中间代码。

三、局部优化（基本块内的优化）

1、利用代数性质（代数变换）

编译时完成常量表达式的计算，整数类型与实型的转换。5+6变成11

2、运算强度削弱

用一种需要较少执行时间的运算代替另一种运算，以减少运行时的运算强度时、空开销） ——比如乘法变移位。

3、常数合并和传播

如 x:=y 这样的赋值语句称为复写语句。由于 x 和 y 值相同，所以当满足一定条件时，在该赋值语句下面出现的 x 可用 y 来代替。

4、删除冗余代码

冗余代码就是毫无实际意义的代码，又称死代码(dead code)或无用代码(useless code)

5、窥孔优化（peep-hole）

窥孔优化关注在目标指令的一个较短的序列上，通常称其为“窥孔”。
通过删除其中的冗余代码，或者用更高效简洁的新代码来替代其中的部分代码，达到提升目标代码质量的目的。

6、消除公共子表达式

1）基本块DAG图的定义

1. 图的叶节点由变量名或常量所标记。
   对于那些在基本块内先引用再赋值的变量，可以采用变量名加下标0的方式命名其初值。
2. 图的中间节点由中间代码的操作符所标记
   代表着基本块中一条或多条中间代码。
3. 基本块中变量的最终计算结果，都对应着图中的一个节点；
   具有初值的变量，其初值和最终值可以分别对应不同的节点。

通过DAG图可消除公共子表达式，得到更简洁的优化代码
此时需要两个算法：DAG图的生成算法，从DAG图导出代码的算法

2）构建DAG图的算法–消除公共子表达式

• 输入：基本块内的中间代码序列
• 输出：完成局部公共子表达式删除后的DAG图

1. 图/节点表初始化：节点表，记录变量名和常量值，及当前对应的DAG图中的节点序号。初始状态为空。
2. 顺序遍历每一条中间代码，按照以下规则建立DAG图
   形如z = x op y：在节点表中查找x （对y也做处理，对应j）如果找到，记录x 所对应的节点号 i。
   找到：记录x 所对应的节点号 i。
   未找到：在DAG图中新建叶节点（编号i），标记为x如果x为变量名，该标记更改为x0在节点表中增加新的表项(x, i)。
   z = x op y：寻找/创建左操作数为i、右操作数为j的DAG节点，其标记为op，假定其节点编号为k，将节点i和j分别与k相连，作为其左子节点和右子节点。
   z = x op y：在节点表中寻找z。
   如果找到，将z所对应的节点号更改为k；
   如果未找到，在节点表中新增表项(z, k)
   

3）从DAG导出中间代码的启发式算法

1. 初始化一个放置DAG图中间结点的队列。
2. 如果DAG图中还有中间节点未进入队列，则执行步骤3，否则执行步骤5
3. 选取一个尚未进入队列，但其所有父节点均已进入队列的中间节点n，将
   其加入队列；或选取没有父节点的中间节点，将其加入队列
4. 如果n的最左子节点符合步骤3的条件，将其加入队列；并沿着当前节点
   的最左边，循环访问其最左子节点，最左子节点的最左子节点等，将符合
   步骤3条件的中间节点依次加入队列；如果出现不符合步骤3条件的最左子
   节点，执行步骤2
5. 将中间节点队列逆序输出，便得到中间节点的计算顺序，将其整理成中间
   代码序。
   即按照前序遍历输出中间节点
   
   

四、局部优化详解

1、公共子表达式删除

利用数据流自上而下分析：等号右边在数据流中有等价的可替代

不断循环这个过程直到没有替代的为止。

2、死代码删除

变量的活性，等号右边表示需要用的，等号左边表示更新了，不能用了。
自下而上分析

不断循环这个过程直到没有删除的为止。

五、数据流分析

1、概念

用于获取数据在程序执行路径中如何流动的有关信息。
是局部优化、全局优化的基础
上述过程就是所谓的数据流分析

2、公式

$out[S]=gen[S]U(in[S]–kill[S])$
$–S代表某条语句（基本块，基本块集合，或语句集合）$
$–out[S]代表在该语句末尾得到的数据流信息$
$–gen[S]代表该语句本身产生的数据流信息$
$–in[S]代表进入该语句时的数据流信息$
$–kill[S]代表该语句注销的数据流信息$
根据所需要的目的不同，这些特征的值都是不同的
比如对于公共子表达式删除

六、全局优化

全局优化处理的是基本块之间的优化受到控制流的影响

1、作用

活跃变量信息对于寄存器分配，不论是全局寄存器分配还是临时寄存器分配都有重要意义

1. 如果拥有寄存器的变量x在p点开始的任何路径上不再活跃，可以释放寄存器。
2. 如果两个变量的活跃范围不重合，则可以共享同一个寄存器

2、活跃变量定义-以消除死代码为例

达到定义分析是沿着流图路径的，有的数据流分析是 方向计算的
因此公式是$in[S]=gen[S]U(out[S]–kill[S])$，根据消除死代码的特殊性，可以写成$in[S]=use[S]U(out[S]–def[S])$
• 可达定义分析的数据流：沿流图中的控制流方向计算
• 活跃变量分析的数据流：沿流图中控制流的反方向计算

PS：若是一个变量即被定义又被使用，应该以被使用为主，因此放在use中

3、分析

输入：程序流图，且基本块的use集和def集已计算完毕
输出：每个基本块入口和出口处的$in[B]$和$out[B]$

如果计算得到in[B]与此前计算得出的in[B]不同，则循环执行，直到所有基本块的in[B]集合不再产生变化为止。

根据in和out的活跃变量即可删除死代码

4、可达定义分析

1）任务

– 在程序的某个静态点p（例如某个代码、基本块）执行前后
– 某个变量可能出现的值都是在哪里被定义的

2）分析

比如同一个语句块中一个变量定义多次，则后面会将前面覆盖掉

其中：

举例：

5、define-use链

1）概念

变量的定义-使用链（Define-Use链），变量的某一定义点，以及所有可能使用该定义点所定义变量值的使用点所组成的一个链。

因此可以赋值成：

七、静态单赋值SSA

1、前置知识-支配属性

1）概念

节点D支配节点N：如果从开始到N的每条路径都通过D

2）计算

利用数据流计算

3）支配边界

X的支配边界$DF(X)$ ={Y | 存在一个从X->Y的路径，且Y是这个路径上第一个不被X严格支配的节点。

2、概念

SSA：Static Single Assignment 是一种基于三元式或四元式的中间语言的表示形式，其目的是支撑静态优化。

每个变量只有一个定义，每一次使用变量的时候清楚的知道变量是在哪里定义的。

不相关的变量被改成了不同的名字

Φ函数

（phi）通常放置在基本块的开始，根据控制流选择变量的值
$a1:=\Phi (a1,a2,\dots ,ak)$：表示当前基本块有 k 个前驱基本

通常在优化处理的开始，将IR转化为SSA形式

3、SSA的支配属性

4、消除SSA

八、循环优化

1、发现循环

找回边，$n->d$，且不经过d能够到达n的所有节点（含n）

2、优化点

1）循环不变式（Loop invariant）代码外提（code motion）

2）循环展开

将构成循环体的代码（不包括控制循环的测试和转移部分），重复产生许多次（这可在编译时确定），而不仅仅是一次，以空间换时间。

3）其他方法

1. 把多重嵌套的循环变成单层循环
2. 循环拆分（Loop Distribution）
3. 循环融合（Loop Fusion ）
4. 循环交换（Loop Interchange）
5. 循环并行（Loop Parallelization）

九、过程间分析与跨函数优化

1、内联：in_line 展开

把过程（或函数）调用改为in_line展开可节省许多处理过程（函数）调用所花费的开销。

十、总结