编译器优化–5--消除冗余

编译器优化–5--消除冗余

关于消除冗余，我们着这里只讨论在局部范围内（单个程序块）上的消除冗余。做这种优化一般常用两种方法：值编号（value numbering），树高平衡（tree-height balancing）。我这这里详细讨论关于值编号（value numbering）的技术细节。

局部值编号（Local Value Numbering，LVN）

定义：对于基本程序块B中的一个表达式，当且仅当它在B中此前已经计算过，且在此之间并无其他运算重新定义组成表达式的各个参数值时，则称该表达式是冗余的。

例子1

基本程序块如下：
$$\begin{array}{rl}a& \leftarrow b+c\\ b& \leftarrow a-d\\ c& \leftarrow b+c\\ d& \leftarrow a-d\end{array}$$
在上面例子中第3个运算中出现$b+c$不是冗余的，因为第2个运算重新定义了b。第4个运算中出现的$a-d$是冗余的，因为在第2个和第4个运算之间没有重新定义表达式中的参数a或d。

编译器在优化时会重写该基本程序块，使得只对$a-d$仅运算一次。如下图所示
$$\begin{array}{rl}a& \leftarrow b+c\\ b& \leftarrow a-d\\ c& \leftarrow b+c\\ d& \leftarrow b\end{array}$$

例子2

前一个例子中，冗余表达式的文本与先前计算过的表达式是相同的。另外还有其他情况，比如：假设已经分析出$d$右侧的表达式是冗余的，可以使用$b$的值直接替换它，使得$d\leftarrow b$。整个基本程序块如下所示：
$$\begin{array}{rl}a& \leftarrow b+c\\ b& \leftarrow a-d\\ c& \leftarrow b+c\\ d& \leftarrow b\\ e& \leftarrow d+c\end{array}$$
对于上面程序块B中的第3条语句和第5条语句中$b+c$和$d+c$表达式的值是相同的。为了识别这种情形，编译器必须跟踪值通过名字发生的流动。这种情况，如果仅依赖基于比较文本是否相同的技术是无法检测出来的。

算法

程序员可能会说，如上面两个例子，他们是不会编写出包含这种冗余表达式的代码。实际上，从源码到IR的转换会细化许多细节（如地址计算）并引入冗余表达式，冗余消除是可以找到许多优化时机的。

人们已经开发出了许多用于发现并消除冗余的技术。局部值编号（Local Value Numbering）是这些变换中最古老也最强大的技术之一。它可以发现基本程序块内部的冗余，并重写该程序块避免冗余。它为其他局部优化（如常量合并和使用代数恒等式进行简化）提供了一套简单且高效的框架。

值编号背后的思想很简单。算法遍历基本程序块，并为程序块计算的每个值分配一个不同的编号。该算法会为值选择编号，使得给定两个表达式$e_i$和$e_j$，当且仅当对表达式的所有可能的运算对象，都可以验证$e_i$和$e_j$具有相等的值时，两者具有相同的值编号。

下面给出了基本的LVN算法的伪代码。

for i in range(0, n-1), where the block has n operations "Ti = li Opi Ri"
    1. get the value numbers for Li and Ri
    2. construct a hash key from Opi and the value numbers for Li and Ri
    3. if the hash key is already present in the table then
           replace operation i with a copy of the value into Ti and associate the value number with Ti
       else
           insert a new value number into the table at the hash key location record that new value number for Ti

LVN的输入是一个具有n个二元运算的基本程序块，每个运算符形如$T_i=L_{i}O{p}_i{R}_i$。LVN算法会按照顺序考擦每个运算。它使用一个散列表来将名字、常数和表达式映射到不同的值编号。该散列表最初是空的。

为处理第$i$个运算，LVN在散列表中查找$L_i$和$R_i$，获取与二者对应的值编号。如果算法找到对应的项，LVN将使用该项包含的值编号；否则，算法将创建一个表项并分配一个新的值编号。

给出$L_i$和$R_i$的值编号，分别记作$VN(L_i)$和$VN(R_i)$，LVN算法会基于$(VN(L_i),O{p}_i,VN(R_i))$构造一个散列表的键，并在表中查找该键。如果存在对应的表项，那么该表达式是冗余的，可以将其替换为对此前计算值的引用；否则，运算$i$是该程序块中对此表达式的第一次计算，随后LVN会对应的散列键创建一个散列表项，并为该表项分配一个新的值编号。算法还将散列键的值编号（新的或现存的）分配给对应的$T_i$的表项。因为LVN使用值编号而非名字来构造表达式的散列键，它实际上可以通过复制和赋值操作来跟踪值的流动，它可以解决如前面第2个例子的情形。将LVN扩展到任意元表达式是很简单的。

对于之前给出的LVN算法伪代码还有很多需要完善可考虑的地方如：

1. 将LVN算法扩展到任意元表达式；
2. 交换运算的问题，如（$a\ast b$和$b\ast a$），两者应该分配同样的值编号；
3. 常量的求值及合并；
4. 代数恒等式，如（$ x + 0 \equiv x$）等；
5. 命名的影响；
6. 间接赋值的影响；

想要完整的实现LVN的算法，需要考虑以上6点甚至更多。在此我就不在深入阐述关于LVN的更多细节

有兴趣对LVN深挖的读者可以参考《Engineering a Compiler》的第8.4章节。

参考

《编译原理》

《Engineering a Compiler》