Generierung lokaler Optimierungen - IPD Snelting

3 Verwandte Arbeiten
Taktzyklen. Diese müssen jedoch bekannt sein. Für Operationen ohne Speicherzugriff ist
dies unproblematisch. Für Operationen mit Speicherzugriff ist es nahezu unmöglich diese
genau vorherzusagen.
In [14] und [11] liegt der Schwerpunkt auf der Suche nach der optimalen Coderepräsentation
zu einer gegebenen Funktion oder einem Programmteil. Bansal und Aiken führen
diese Idee in [3] fort und nutzen das von Massalin eingeführte Prinzip der Superoptimierung
zur automatischen Generierung von Ersetzungsregeln, die sie zur Peephole-
Optimierung1 verwenden. Diese so erzeugten Optimierungsregeln lassen sich anschließend
speichern und für jeden neuen Übersetzungsvorgang wieder verwenden. Bansal
und Aiken erreichen so eine Modularisierung, in der die teure Superoptimierungsphase
ausgelagert werden kann. Der
Übersetzer kann bei jedem Durchlauf auf die gefunde-
nen Optimierungsregeln zugreifen und diese wie handgeschriebene Optimierungsregeln
nutzen. Um die eigentlichen Optimierungsregeln zu generieren, gehen Bansal und Aiken
folgendermaßen vor: Im ersten Schritt werden aus einer Menge ausgewählter Programme
Codesequenzen extrahiert, für die eine optimale Ersetzung und damit eine Optimierung
gefunden werden soll. Die Idee hierbei ist, nur solche Sequenzen zu berücksichtigen,
die üblicherweise von
Übersetzern erzeugt werden und solche zu vernachlässigen, die
gar nicht oder nur sehr selten in Programmen vorkommen. Da es sich allerdings häufig
um dieselben Codesequenzen mit lediglich unterschiedlicher Registerbelegung handelt,
werden die ermittelten Codesequenzen in einem weiteren Schritt einer Normalisierung,
von Bansal und Aiken Canonicalization genannt, unterzogen. Diese führt eine Umbenennung
der Register durch. Jedes neu genutzte Register erhält dabei einen Namen in
aufsteigender Reihenfolge, beginnend mit r0, r1, . . . , rn. Bansal und Aiken zeigen, dass
dieses Verfahren die Anzahl der zu untersuchenden Codesequenzen deutlich reduziert.
In einem zweiten Schritt werden alle möglichen Codesequenzen bis zu einer festen Größe
aufgezählt. Diese werden anschließend mit den zuvor extrahierten Codesequenzen hinsichtlich
ihrer Semantik verglichen und bei Übereinstimmung eine neue Optimierungsregel
angelegt. Auch hier sorgt die Reihenfolge der Aufzählung dafür, dass immer die
günstigste Sequenz einer Äquivalenzklasse2 zuerst berücksichtigt wird. Der Vergleich
erfolgt analog zu dem Vorgehen von Massalin. Zuerst werden die zu vergleichenden Codesequenzen
übersetzt, ausgeführt und anschließend werden die Ergebnisse verglichen.
Tritt keine Differenz der Ergebnisse auf, wird aus beiden Codesequenzen eine Äquivalenzrelation
gebildet und diese in Form eines SAT-Problems auf ihre Gültigkeit hin
geprüft.
Allen drei vorgestellten Arbeiten gemein ist, dass sie auf Assembler-Ebene arbeiten.
Die Arbeit von Massalin sowie Denali zielen darauf ab, eine optimale Codesequenz zu
einer gegebenen Funktion während des Übersetzungsvorgangs zu ermitteln, Bansal und
Aiken hingegen erzeugen, unabhängig vom eigentlichen Übersetzungsvorgang, Regeln zur
Peephole-Optimierung. Der Ansatz dieser Diplomarbeit orientiert sich an dem Verfahren
1
Guckloch-Optimierung: Ein verschiebbares Fenster mit wenigen Befehlen wird untersucht und wenn
möglich optimiert [1]
2
Codesequenzen mit gleicher Semantik bilden eine Äquivalenzklasse
21