本文探讨了编译器优化中的最优寄存器分配问题，旨在减少指令执行中的冲突，提高代码性能。文章通过分析基本块（basic block）、冲突图（conflict graph）和环形结构（clique），解释了局部和全局寄存器分配的差异，并展示了如何通过插入store和load操作来平衡编译时间和运行性能。最后，通过示例说明了spill成本计算和优化策略，指出在资源有限的情况下，如何决定变量导入内存的顺序以降低总体成本。
这里显示了 a b c的生命周期 发现其中是存在conflict的 即重叠部分
以下的这个图像a和b有conflict 即连线 a和c之间有conflict 即连线 b和c没有 所有不连线
在有重叠的部分其实表现的是在同一时间需要多个寄存器来存储了 那个怎么样在有着各种conflict的指令中找到寄存器使用的最小数量 即最优数量 无疑就是在graph coloring problem找到最少的颜色使用 这时一个NP-complete复杂度问题
算法只能保障有99%的概率找到最优分配 但是没有办法100%保证
这里每一个方框就是一个basic block 存储着一段指令 live in 就代表之前块定义过 接下来会使用的
live cost 就是之前块和当前块定义的 需要在接下来消耗的
局部寄存器分配指的是每一个basic block的物理寄存器分配彼此间是独立的 当进入一个新的block后 所以的都会重新分配
全局寄存器分配指的是把这些basic block链接在一起进行物理内存的分配
这里我们引出两个代码运行效率的概念 compile time 和 performance
局部寄存器分配因为是在一个block中分配的 所以实现非常简单 可以节约很多编译时间 它的优势在于compile time 但是编译完成后运行这些代码的过程 即在cpu执行0和1的过程 叫做performance 而局部寄存器的performance就是劣势
而全局寄存器分配是刚好相反的 在comile time需要跟多的时间 但是per
最低0.47元/天 解锁文章
扫一扫
920
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
