《Engineering a Complier》学习笔记（五）

Intermediate Representation (中间表达式)

 

一. 概述

IR是编译器从语义分析到生成机器代码的中间过程。编译器可能有一种IR，也可能有多种。

IR可以分为3类：

• 图IR
• 线性IR
• 混合型IR 

 

二. 图IR

与语法相关的树

1. 语法分析树

第3章中已介绍，不赘述

 

2. 抽象语法树（AST）

在语法树的基础上，省略了表示非终结符的大部分节点

 

 

3. 有向无环图（DAG）

DAG是一种具有共享机制的AST，相同子树只实例化一次，可能有多个父节点。

 

a * 2 + a * 2 * b的DAG：

 

 

4. 抽象层次

AST或DAG简洁的表达了IR技术，但对于底层的实现来说，缺少细节，举例：w ← a - 2 * b, 在不同层次上的AST：

其中，◆是一个运算符，反引用一个值，即：将值作为地址处理，返回内存地址中的内容。

 

 

编译器将具有相同生命周期和可见性的值存储在一起，称为数据区。（Data Area）

图

1. 控制流图

基本程序块（Basic Block）：最大长度的无分支代码序列，开始于一个有标号的操作，结束于一个分支、跳转或条件判断操作。

控制流图（Control-flow Graph，CFG）：控制各程序块的模型，是一个有向图G=(N,E)，每个节点是一个基本程序块，每个边是一个可能的控制转移。

While和If在CFG中的表示：

 

　　　　　　

单语句块（Single-Statement Block）：对应源代码层次上单一语句的代码块。

2. 依赖关系图

依赖关系图(Data Dependence Graph)：表达一个值从创建之处（定义）到使用之处（使用）的流动

示例：

 

 

3. 调用图（Call Graph）

调用图的结点表示每个过程，每个边表示每个不同过程的调用位置。

 

三. 线性IR

包含一个指令序列，其中各个指令按照顺序执行。指令可能包含多个操作，类似汇编代码。

1. 堆栈机代码

一种单地址代码，大部分操作从栈获得一个操作数，并将其结果堆入栈

如 a - 2 * b:

 

2. 三地址代码

包括1个运算符，2个操作数，1个结果，最多需要3个地址：

如 a - 2 * b:

 

3. 线性代码的表示

三地址代码表示为一个四元组，1个运算符，2个操作数，1个结果。

在代码中可以用不同方法实现。

 

4. 从线性代码构建控制流图

 

四. 从值到名字的映射

1.临时值的命名

以下式为例，源代码只包含4个变量，用三地址法处理时，变量的扩展以不同方法数目也不同。

 

从ATS到底层的线性IR，会产生很多临时变量。

 2.静态单赋值形式（Static Single-Assignment Form）

SSA，一种命名规范，基于值的命名系统，由一种称为ϕ函数的伪码操作方法构造。

SSA程序两条约束：（1）每一条定义都有一个独特的名字（2）每一处使用都引用一条定义。

一个ϕ函数会融合不同的命名，并创建一个新的名字。

 ϕ函数不遵守三地址模型，其可以放入多个name作为输入，用来处理诸如Switch...case等情形。

  3.内存模型

 内存模型描述了上述步骤所记录出来的值如何储存。

一般有两种策略：

（1）寄存器到寄存器

（2）内存到内存

 

五. 符号表

参考：https://www.jianshu.com/p/bda60193808d， https://www.cnblogs.com/programnote/p/4729467.html

当编译器将IR重新写入磁盘时，重新计算内容的代价比将其写入磁盘再读取的代价要小。

书中用哈希表来建立符号表。。。