LLVM为什么会分配冗余变量？

Question

这是一个带有枚举定义和main函数的简单C文件：

enum days {MON, TUE, WED, THU};

int main() {
    enum days d;
    d = WED;
    return 0;
}

它被转译为以下LLVM IR：

define dso_local i32 @main() #0 {
  %1 = alloca i32, align 4
  %2 = alloca i32, align 4
  store i32 0, i32* %1, align 4
  store i32 2, i32* %2, align 4
  ret i32 0
}

%2 显然是变量 d，它被赋值为 2。如果直接返回零，%1 对应的是什么？

- macleginn

---

你使用了哪些标志来生成这个IR？ - arrowd

我认为这与 main 函数之前的初始化有关 (https://godbolt.org/z/kEtS-s)。该链接展示了汇编代码如何映射到源代码。 - Pradeep Kumar

@PradeepKumar：确实，如果您将函数的名称更改为除main以外的其他名称，则神秘的额外变量将消失。有趣的是，如果您完全省略return语句（在C中对于main是合法的，并且等同于return 0;），它也会消失。 - Nate Eldredge

enum 看起来完全是一个误导; 如果 main 函数只包含 return 0; 或 return 17;，你也会看到一个不必要的变量（无论哪种情况下，这个额外的变量都被设置为零）。这个额外的变量最终也会出现在汇编代码中。 - Nate Eldredge

@macleginn：我不太确定。如果你将main声明为int main(int argc, char **argv)，你会看到argc和argv被复制到堆栈上，但神秘的零变量仍然存在于它们之外。 - Nate Eldredge

Answer 1

这个%1寄存器是由clang生成的，用于处理函数中的多个返回语句。想象一下，你正在编写一个计算整数阶乘的函数。不要像这样：

int factorial(int n){
    int result;
    if(n < 2)
      result = 1;
    else{
      result = n * factorial(n-1);
    }
    return result;
}

你可能会这样做

int factorial(int n){
    if(n < 2)
      return 1;
    return n * factorial(n-1);
}

为什么？因为Clang将插入包含返回值的变量result。太好了。这就是使用%1变量的原因。看一下稍微修改过的代码的ir。

修改后的代码，

enum days {MON, TUE, WED, THU};

int main() {
    enum days d;
    d = WED;
    if(d) return 1;
    return 0;
}

IR,

define dso_local i32 @main() #0 !dbg !15 {
    %1 = alloca i32, align 4
    %2 = alloca i32, align 4
    store i32 0, i32* %1, align 4
    store i32 2, i32* %2, align 4, !dbg !22
    %3 = load i32, i32* %2, align 4, !dbg !23
    %4 = icmp ne i32 %3, 0, !dbg !23
    br i1 %4, label %5, label %6, !dbg !25

 5:                                                ; preds = %0
   store i32 1, i32* %1, align 4, !dbg !26
   br label %7, !dbg !26

 6:                                                ; preds = %0
  store i32 0, i32* %1, align 4, !dbg !27
  br label %7, !dbg !27

 7:                                                ; preds = %6, %5
  %8 = load i32, i32* %1, align 4, !dbg !28
  ret i32 %8, !dbg !28
}

现在你看到了%1派上用场了吧？大多数只有一个返回语句的函数都会被 LLVM 的这个 Pass 去掉这个变量。

- droptop

Answer 2

为什么这很重要-实际问题是什么？

我认为你正在寻找更深层次的答案：LLVM的架构基于相当简单的前端和许多传递。前端必须生成正确的代码，但不一定是好的代码。他们可以做最简单的有效工作。

在这种情况下，Clang生成了几个指令，结果发现没有用途。这通常不是问题，因为LLVM中的某些部分将摆脱多余的指令。 Clang相信会发生这种情况。 Clang不需要避免发出死代码；它的实现可能专注于正确性、简洁性、可测试性等方面。

- arnt

Answer 3

因为Clang已经完成了语法分析，但LLVM甚至还没有开始优化。

Clang前端已生成IR（中间表示），而不是机器代码。这些变量是SSA（单一静态赋值）；它们尚未绑定到寄存器，实际上在优化后也永远不会被绑定，因为它们是多余的。

那段代码是源码的某种字面表示。这就是Clang交给LLVM进行优化的内容。基本上，LLVM从那里开始优化。事实上，对于版本10和x86_64，llc -O2最终将生成：

main: # @main
  xor eax, eax
  ret

- Olsonist

---

我理解这个过程的步骤。我想知道为什么一开始会生成这个IR。 - macleginn

你可能认为编译器只有一个单一的过程。实际上，它是由一系列的步骤组成，从Clang前端开始生成IR。它甚至没有生成这个文本IR，而是通过clang -emit-llvm -S file.cpp命令请求生成。Clang实际上生成了一个可序列化的二进制位码版本的IR。LLVM被构建为多个步骤，每个步骤都会接收和优化IR。第一个LLVM步骤从Clang接收IR。之所以使用IR，是因为你可以用Fortran FE替换Clang，以支持另一种语言，但使用相同的优化器和代码生成器。 - Olsonist