江苏龙网

  1. 主页 > 生活百科 > >

你可以信任由编译器优化的代码吗？

代码

译者 | 陈峻
51CTO读者成长计划社群招募，咨询小助手（微信号：TTalkxiaozhuli）
不知您是否了解单指令流多数据流，也就是我们常听说的SIMD（Single Instruction Multiple Data）？它是采用单个控制器来控制多个处理器，同时对一组数据中的每一个分别执行相同的操作，从而实现空间上的并行性的一种技术 。就SIMD的工作原理而言，我们可以将其理解为三个层次：

  • 编译器具有一定智能，可以自动矢量化（auto-vectorize）所有的代码 。
  • 编译器自动向量化的能力欠佳，容易受不相关代码变更的影响，因此开发人员需要手动编写明确的SIMD指令 。
  • 需要重复为每个不同的CPU架构手工编写SIMD 。此时，作为工具的编译器，可以通过更好的指令和约束，以适合向量化的形式，编写出可靠的向量化代码 。
在日常工作中，我们的开发场景通常处于第二级和第三级，需要用编译器来优化模型 。下面，我将和您讨论静态语言（如Rust或C++）编译器优化的一般框架，以及如何将该框架应用于自动矢量化 。
1、从编译器的视角看问题首先，让我们来了解编译器是如何查看代码的 。鉴于有着许多结构上相似之处，我们可以参照WebAssembly规范（https://webassembly.Github.io/spec/core/）来了解编译器在优化方面的核心规范 。如下方简单代码段所示，一个优化单元往往就是一个函数：
fn sum(xs: &[i32]) -> i32 {let mut total = 0;for i in 0..xs.len() {total = total.wrApping_add(xs[i]);}total}在一些伪IR（指令寄存器）中，上述代码表现为：fn sum return i32 {param xs_ptr: ptrparam xs_len: sizelocal total: i32local i: size = 0local x: i32local total: i32 = 0loop:branch_if i >= xs_len :retload x base=xs_ptr offset=iadd total xadd i 1goto :loopret:return total}此处出现了两个重要的特征实体：
  • 作为粗略字节数组的程序内存，编译器往往无法很好地推断出内存中的内容 。而且由于它们是由所有函数共享的，因此不同的函数可能会以不同的方式去解释内存中的内容 。
  • 作为整数形式的局部变量，它们遵循编译器可推理的数学属性 。
例如，如果编译器看到了如下循环：
param n: u32local i: u32 = 0local total: u32local tmploop:branch_if i >= n :retset tmp imul tmp 4add t tmpgoto :loopret:return total它可以推断在每一次循环中，tmp能够保持i * 4，进而会将其优化为：param n: u32local i: u32 = 0local total: u32local tmp = 0loop:branch_if i >= n :retadd t tmpadd tmp 4# replace multiplication with additiongoto :loopret:return total不过，如果我们进行相同的计算，但所有数字都位于内存中，那么编译器将很难推断出转换的正确性 。如果针对n的存储和total实际是重叠的，而tmp与某些不在当前函数中的数据重叠了，该怎么办呢？
其实，load和store指令可以作为数学局部变量和内存字节的桥梁 。也就是说，load指令在内存中获取一系列字节，将字节解释为整数，并将该整数存储到局部变量中 。而store指令的执行操作正好相反 。通过将某些内容从内存加载到本地，编译器可以获得对其进行精确推理的能力 。因此，编译器无需跟踪内存的基本内容，只需检查在特定时间点，从内存进行的加载是否正确即可 。可见，编译器一次只能真正推理一个函数，而且只能推理该函数中的局部变量 。
2、将代码向编译器推近些通过为编译器提供更多的上下文，我们可以实现两项核心的优化任务：
第一项核心优化是内联（inlining） 。它使用被调用者去代替特定的调用 。据此，调用者和被调用者的局部变量都在同一个框架中，编译器可以一起优化它们 。
让我们看一段Rust代码：
fn sum(xs: &[i32]) -> i32 {let mut total = 0;for i in 0..xs.len() {total = total.wrapping_add(xs[i]);}total}其中的表达式xs[i]实际上是一个函数调用 。索引函数在访问数组元素之前，会进行边界检查 。将其内联到sum中后，编译器可以看到其代码并消除之 。毕竟，在内联之后，函数倾向于处理一般情况，并在特定的调用站点（call-site），使用足够的约束，来消除各种边缘情况 。
第二项核心优化是聚合的标量替换（scalar replacement of aggregates，SROA） 。我们使用load避免对内存进行推理，而是对本地进行推理 。
例如，有如下这样一个函数：
fn permute(xs: &mut Vec<i32>) {...}


推荐阅读


上一篇：PoE在监控和远程安全系统中的重要性

下一篇：Python反序列化中的Opcode构造原理