diff --git a/doc/Lab5-基本标量优化.md b/doc/Lab5-基本标量优化.md index eef2530..a5c4cfc 100644 --- a/doc/Lab5-基本标量优化.md +++ b/doc/Lab5-基本标量优化.md @@ -2,62 +2,31 @@ ## 1. 本实验定位 -Lab5 的目标是让 IR 从“能跑”变成“跑的更好”。 +Lab5 的目标是让 IR 从“能跑”变成“跑得更好”。 在进入本实验的标量优化前，先完成或接入 `mem2reg`，将局部变量的 `alloca/load/store` 提升到 SSA 形式。 -在当前编译器基础上，做基础标量优化，框架中给几种，可以按需补充： - - -1. 常量相关优化（常量折叠/传播） -2. 无用代码删除（DCE） -3. CFG 简化与不可达代码删除 -4. 公共子表达式消除（CSE） -... +在此基础上，可以逐步补上常量相关优化、无用代码删除、CFG 简化、公共子表达式消除等基础标量优化；如果你的实现方案里还需要其他局部优化，也可以按需继续扩展。 --- ## 2. Mem2Reg -在很多编译器中，AST lower 到 IR 时，局部变量通常先以“内存形式”表示： - -1. 用 `alloca` 在栈上分配局部变量 -2. 用 `store` 写变量 -3. 用 `load` 读变量 - +在很多编译器中，AST lower 到 IR 时，局部变量通常先以“内存形式”表示，也就是先用 `alloca` 在栈上分配局部变量，再通过 `store/load` 完成写入和读取。 这种表示语义正确、实现直接，但会引入大量冗余内存访问，不利于常量传播、DCE、CSE 等标量优化。 `mem2reg`（memory to register）的目标，就是把这类 `alloca/load/store` 形式提升到 SSA 形式，让值尽量直接在 SSA Value 上传递。 ### 2.1 Mem2Reg 的核心过程 -1. 识别可提升变量 - 找出由 `alloca` 分配、且只通过 `load/store` 访问的局部变量。 - -2. 构建 CFG - 明确基本块与前驱/后继关系，为后续插入 `phi` 和重命名提供基础。 - -3. 插入 `phi` - 在控制流汇合点合并来自不同路径的定义。 - -4. 变量重命名 - 沿支配树遍历，为每次定义分配 SSA 版本，保证“单次赋值”。 - -5. 删除冗余内存操作 - 提升完成后，移除对应的 `alloca/load/store`。 +典型流程通常包括几步：先识别可提升变量，找出由 `alloca` 分配且只通过 `load/store` 访问的局部变量；再构建 CFG，明确基本块与前驱/后继关系，为后续插入 `phi` 和重命名提供基础；接着在控制流汇合点插入 `phi`，并沿支配树完成变量重命名，为每次定义分配 SSA 版本；最后删除已经被提升掉的冗余 `alloca/load/store`。 ### 2.2 Mem2Reg 的关键算法基础 -1. 支配树（Dominator Tree） - 若从入口到块 A 的所有路径都经过块 B，则 B 支配 A。 - 支配树用于描述“定义能影响到哪里”，是变量重命名的基础。常见实现可采用 Lengauer-Tarjan 算法。 +支配树（Dominator Tree）用于描述“定义能影响到哪里”。若从入口到块 A 的所有路径都经过块 B，则 B 支配 A；变量重命名通常就建立在这层关系上，常见实现可采用 Lengauer-Tarjan 算法。 -2. 支配边界（Dominance Frontier） - 支配边界描述“支配关系结束并发生控制流汇合”的位置。 - 在 Mem2Reg 中，它的核心作用是确定 `phi` 函数插入点。 +支配边界（Dominance Frontier）描述的是“支配关系结束并发生控制流汇合”的位置。在 Mem2Reg 中，它的核心作用是确定 `phi` 函数插入点。 -3. SSA 构造（Cytron 框架） - 典型流程为：计算支配树 -> 计算支配边界 -> 插入 `phi` -> 重命名变量。 - Mem2Reg 本质上就是该 SSA 构造流程在“可提升局部变量”上的工程化实现。 +如果从更高层去看，Mem2Reg 本质上就是 SSA 构造流程在“可提升局部变量”上的工程化实现。典型路线仍然是：计算支配树，计算支配边界，插入 `phi`，再完成变量重命名。 --- @@ -69,43 +38,22 @@ LLVM 中通常维护完整 `Use-User` 双向关系；当前仓库是最小 IR， ### 什么是 use-def -use-def（或 def-use）描述的是“值在哪里被定义、又在哪里被使用”的关系： +use-def（或 def-use）描述的是“值在哪里被定义、又在哪里被使用”的关系。`def` 指某条指令产生了一个值，`use` 指其他指令把这个值当作操作数使用。 -1. `def`：某条指令产生了一个值（定义点）。 -2. `use`：其他指令把这个值当作操作数使用（使用点）。 - -在 IR 中维护好这层关系后，优化遍就能快速回答： -“这个值还有人用吗？”、“我要把旧值替换成新值，需要改哪些地方？” +在 IR 中维护好这层关系后，优化遍就能更快回答“这个值还有人用吗”“我要把旧值替换成新值，需要改哪些地方”这类问题。 ### use-def 的作用 -在优化阶段，use-def 关系的价值主要体现在： - -1. 判断“是否还被使用”更直接 - DCE 可以直接依据某个值是否还有用户来决定是否可删，而不必每次全函数扫描。 +在优化阶段，use-def 关系的价值主要体现在几个方面：判断一个值是否还被使用会更直接，DCE 不必反复做全函数扫描；常量折叠、常量传播、复制传播这类局部重写也更容易精准找到所有使用点；同时，它还能降低很多优化遍的实现复杂度，并为后续扩展代数化简、CSE、部分冗余消除等优化打基础。 -2. 支持局部重写与传播 - 常量折叠、常量传播、复制传播时，需要把“旧值的所有使用点”替换为“新值”；有 use-def 后可以精准定位使用点。 - -3. 降低优化遍实现复杂度 - 没有 use-def 时，很多优化都要反复做全局查找；有 use-def 后可把复杂度和代码量都压下来。 - -4. 便于后续扩展更多优化 - 例如代数化简、CSE、部分冗余消除等，都依赖稳定的 def-use/use-def 信息。 - -这会明显降低 DCE、常量传播等优化的实现复杂度，也更利于后续扩展。 +因此，把这层关系维护稳定，通常会明显降低 DCE、常量传播等优化的实现难度，也更利于后续扩展。 --- ## 4. Lab5 要求 -需要同学完成： - -1. 理解当前 IR/CFG 结构，明确“有用代码、无用代码、不可达代码”的定义。 -2. 完成可运行标量优化代码。 -3. 将优化串联到 `PassManager`，形成可重复执行的优化流程。 -4. 保证优化前后语义一致。 +需要同学完成的事情并不复杂：先理解当前 IR/CFG 结构，明确“有用代码、无用代码、不可达代码”的区别；然后实现能够运行的基础标量优化，并把这些优化接入 `PassManager`，形成可重复执行的流程；最后通过测试确认优化前后语义一致。 --- @@ -125,41 +73,23 @@ use-def（或 def-use）描述的是“值在哪里被定义、又在哪里被 ### 6.1 Dead（无用代码删除） -可以采用“标记 + 清扫”思路： - -1. 从关键操作出发标记“有用”指令 -2. 沿数据依赖和必要控制依赖扩展标记 -3. 删除未标记指令 +可以采用“标记 + 清扫”思路：先从关键操作出发标记“有用”指令，再沿数据依赖和必要控制依赖扩展标记，最后删除未标记指令。 > 本实验不限定具体思路，实现可自由设计。 ### 6.2 Clean -在 DCE 后对 CFG 做结构化清理，常见包括： - -1. 冗余分支改写 -2. 空块删除/绕过 -3. 线性可合并块合并 -4. 不可达块删除 +在 DCE 之后，通常还需要对 CFG 做一轮结构化清理，例如改写冗余分支、删除或绕过空块、合并线性可拼接的基本块，以及清理不可达块。 ### 6.3 优化顺序建议 -建议仅约束一条： - -1. `Mem2Reg` 在前面先执行一遍（将 IR 提升到更适合做标量优化的形式）。 +这里建议只固定一个基本约束：先执行一遍 `Mem2Reg`，把 IR 提升到更适合做标量优化的形式。 -其余优化遍（如 `ConstFold`、`CSE`、`DCE`、`CFGSimplify`）的组织顺序不做硬性规定，可根据你的实现自由设计；必要时可采用迭代方式直到 IR 不再变化。 +其余优化遍（如 `ConstFold`、`CSE`、`DCE`、`CFGSimplify`）的组织顺序不做硬性规定，可根据你的实现自由设计；必要时也可以采用迭代方式，直到 IR 不再变化。 ### 6.4 公共子表达式消除（Common Subexpression Elimination） -原理： -如果同一个表达式在程序中被多次计算，并且其操作数在计算之间没有改变，则可以只计算一次，并复用计算结果。 - -作用： -避免重复计算，减少指令数量，提高执行效率。 - -实现思路： -在基本块或更大范围内记录已经计算过的表达式。再次遇到相同表达式且操作数未变化时，直接复用之前的结果，而不是重新生成同一计算。 +如果同一个表达式在程序中被多次计算，并且其操作数在计算之间没有改变，那么就可以只计算一次并复用结果。这类优化的直接收益，是减少重复计算、压缩指令数量、提升执行效率。实现时，通常会在基本块或更大范围内记录已经出现过的表达式；当再次遇到相同表达式且操作数未变化时，直接复用之前的结果，而不是重新生成同一计算。 ---