基础知识盘点

1. 循环（loop）

定义

loop（llvm里理解为natural loop）是定义在CFG中的一个结点集合L，并具有以下属性^[1][2]：

（1）有单一的入口结点（称为header），该结点支配loop中的所有结点；

（2）存在一条进入循环头的回边；

相关术语

（1）entering block：一个非loop内的结点有一条边连接到loop。当只有一个entering block且其只有一条边连接到header，称之为preheader；作为非loop结点的peheader支配整个loop；

（2）latch：有一条边连接到header；

（3）backedge：称为回边，一条从latch到header的边；

（4）exiting edge：一条边从loop内到loop外，边的出发结点称之为exiting block，目标结点称之为exit block；

上面右图中，黄色区域是一个loop，而红色区域不是，为什么呢？

因为红色区域a和c都是入口结点，不满足单一入口结点的性质。

2. Scalar Evolution（SCEV）

定义

SCEV是编译器对变量进行分析的优化（往往只针对整数类型），且主要用于分析循环中变量是如何被更新的，然后根据这个信息来进行优化。

循环链

如图所示，循环中归纳变量var的起始值为start，迭代的方式为ϕ，步长为step；

它的循环链（chrec，Chains of Recurrences）如下：

var = {start, ϕ , step}
// ϕ∈{+,∗}
// start: starting value
// step: step in each iteration

举个例子：

int m = 0;
for (int i = 0; i < n; i++) {
  m = m + n;
  *res = m;
}

那么m的循环链为：m = {0,+,n}。

Induction Variable（归纳变量）

1. 定义

循环的每次迭代中增加或减少固定量的变量，或者是另一个归纳变量的线性函数。

举个例子^[3]，下面循环中的i和j都是归纳变量：

for (i = 0; i < 10; ++i) {
    j = 17 * i;
}

2. 益处

归纳变量优化的好处，有但不局限于以下几点：

（1）用更简单的指令替换原来的计算方式。

比如，上面的例子中识别到归纳变量，将对应的乘法替换为代价更小的加法。

j = -17;
for (i = 0; i < 10; ++i) {
    j = j + 17;
}

（2）减少归纳变量的数目，降低寄存器压力。

extern int sum;
int foo(int n) {
    int i, j;
    j = 5;
    for (i = 0; i < n; ++i) {
        j += 2;
        sum += j;
    }
    return sum;
}

当前的loop有两个归纳变量：i、j，用其中一个变量表达另外一个后，如下：

extern int sum;
int foo(int n) {
    int i;
    for (i = 0; i < n; ++i) {
        sum += 5 + 2 * (i + 1);
    }
    return sum;
}

（3）归纳变量替换，使变量和循环索引之间的关系变得明确，便于其他优化分析（如依赖性分析）。举例如下，将c表示为循环索引相关的函数：

int c, i;
c = 10;
for (i = 0; i < 10; i++) {
    c = c + 5; // c is incremented by 5 for each loop iteration
}

转换为：

int c, i;
c = 10;
for (i = 0; i < 10; i++) {
    c = 10 + 5 * (i + 1);  // c is explicitly expressed as a function of loop index
}

实践

1. 相关编译选项

2. 优化用例

归纳变量的优化（ivs）在llvm中的位置是：llvm\lib\Transforms\Scalar\IndVarSimplify.cpp

让我们通过一个用例，看看毕昇编译器的优化过程。

如下图，假设上面func里面的部分就是要优化的代码，下面func里面就是预期生成的结果：

它的IR用例test.ll是：

编译命令是：

opt test.ll -indvars -S

当前的例子中，header、latch和exiting block都是同一个BB，即bb5。

步骤一：依据 def-use 关系，遍历loop的 ExitBlock 中phi结点的操作数的来源，计算出最终值同时替换它，继而替换该phi结点的使用。

例子中，计算 %tmp2.lcssa ，其唯一的操作数是 %tmp2 = add nuw nsw i32 %i.01.0, 3 ，该表达式所在的loop是bb5，此时 %tmp2 的循环链为

%tmp2 = {3,+,3}<nuw><nsw><%bb5>

获取当前loop的不退出循环的最大值是199999，那当前 %tmp2=add(3, mul(3,199999))=600000；接下来会看当前的替换不是高代价（代价的计算会依据不同架构有所不同），同时在phi结点的 user 中替换该值。优化结果如下：

步骤二：遍历 ExitingBlock ，对其跳转条件进行计算，依据 def-use 的关系，删除相应的指令。

例子中，计算出 br i1 %0, label %bb5, label %bb7 的 %0 是 false，跳转指令替换后，%0 = icmp ult i32 %tmp4，200000 不存在 user，将其加入到“死指令”中。优化结果如下：

步骤三：删除所有“死指令”，并看看他的操作数是否要一并删除。

例子中，作为 %0 的操作数的 %tmp4 还有其他的 user %x.03.0，因此不能被视为“死指令”被删除。优化结果如下：

步骤四：删除 HeaderBlock 中的“死”phi结点。

例子中， %tmp4 和phi结点 %x.03.0 构成了一个不会有成果的循环，就会删除它们，同理删除 %tmp2 和 %i.01.0 。优化结果如下：

参考

[1] https://llvm.org/docs/LoopTerminology.html

[2] 《编译原理》 [美]Alfred V.Aho，[美]Monica S.Lam，[美]Ravi Sethi等著，赵建华，郑滔等译

[3] https://en.wikipedia.org/wiki/Induction_variable