基于機器學(xué)習(xí)的編譯優(yōu)化適應(yīng)性研究.pdf

1、編譯器的開發(fā)者所面對的各種編譯優(yōu)化常常都是非常復(fù)雜的，甚至是NP問題。所以編譯器開發(fā)者會從復(fù)雜問題中抽取出多個屬性來構(gòu)建模型去描述目標(biāo)優(yōu)化，以期得到近優(yōu)解。但是在實際開發(fā)中，所構(gòu)建的模型可能沒有全面準(zhǔn)確描述目標(biāo)優(yōu)化，或者構(gòu)建的模型對需要編譯的目標(biāo)程序描述不夠合理而無法得到期望的性能，這需要我們有針對性地修改目標(biāo)優(yōu)化。另一方面，編譯器所面向的硬件結(jié)構(gòu)是非常復(fù)雜的，并且發(fā)展迅速。當(dāng)硬件結(jié)構(gòu)發(fā)生改變，編譯優(yōu)化也需要進(jìn)行相應(yīng)調(diào)整。這些都對編譯優(yōu)

2、化的調(diào)優(yōu)提出了多方面要求，編譯優(yōu)化適應(yīng)性研究的出發(fā)點是如何讓優(yōu)化的調(diào)試過程自動進(jìn)行，在有限的時間內(nèi)尋找到更為合適的優(yōu)化配置，包括優(yōu)化選項的組合，優(yōu)化模型的參數(shù)調(diào)整等。迭代編譯和機器學(xué)習(xí)是常用的兩種方法，本文中的研究都是基于機器學(xué)習(xí)展開，主要貢獻(xiàn)如下： 1．提出基于靜態(tài)分析的快速機器學(xué)習(xí)，這是一種基于遺傳算法的機器學(xué)習(xí)。機器學(xué)習(xí)通常都是非常耗時的過程，如果采用程序的運行時間作為遺傳算法中的適應(yīng)值，對于CPU2000這樣的大型程序來

3、說，機器學(xué)習(xí)將花費好幾天的時間。而基于靜態(tài)分析的快速機器學(xué)習(xí)的主要思想是：在編譯過程中收集優(yōu)化生成的靜態(tài)信息來作為機器學(xué)習(xí)的適應(yīng)值；然后通過限定靜態(tài)分析的熱點區(qū)域，進(jìn)一步減少靜態(tài)分析的時間和空間開銷，同時保證一定的精確度。最后，可以進(jìn)一步添加部分動態(tài)時的信息，以增加機器學(xué)習(xí)的能力。 2．根據(jù)基于靜態(tài)分析的快速機器學(xué)習(xí)思想，本文就寄存器分配提出了兩種快速機器學(xué)習(xí)方法：溢出代碼敏感的機器學(xué)習(xí)和溢出代碼與熱函數(shù)敏感的機器學(xué)習(xí)。溢出代碼

4、敏感的機器學(xué)習(xí)是將寄存器分配中產(chǎn)生的溢出代碼作為活躍區(qū)間的權(quán)值函數(shù)的適應(yīng)值，能大大降低時間開銷，同時采用熱文件來限定機器學(xué)習(xí)的范圍，使其能較好地突出目標(biāo)優(yōu)化的作用。而溢出代碼與熱函數(shù)敏感的機器學(xué)習(xí)，其適應(yīng)值為溢出代碼加上profiling信息，這能更為準(zhǔn)確描述溢出代碼在程序中的分布和溢出代碼對程序的影響。溢出代碼與熱函數(shù)敏感的機器學(xué)習(xí)仍然僅需要較少的時間開銷，同時此機器學(xué)習(xí)被限定在熱函數(shù)中，不但進(jìn)一步縮小學(xué)習(xí)范圍而且使學(xué)習(xí)熱點更突出。

5、 3．介紹如何基于ORC編譯器構(gòu)建溢出代碼敏感的機器學(xué)習(xí)和溢出代碼與熱函數(shù)敏感的機器學(xué)習(xí)平臺。并就這兩種方法針對CPU2000這樣的大型程序?qū)RC編譯器中的寄存器分配進(jìn)行了學(xué)習(xí)，其實驗數(shù)據(jù)分析表明了這兩種學(xué)習(xí)方法的有效性。 4．為了衡量不同基于靜態(tài)分析的機器學(xué)習(xí)，我們提出了機器學(xué)習(xí)衡量模型effect。主要考慮兩方面因素：適應(yīng)值的變化和相應(yīng)性能的變化。并就CPU2000的機器學(xué)習(xí)結(jié)果進(jìn)行了衡量和分析。 5．為進(jìn)一

6、步弄清參與機器學(xué)習(xí)的各個優(yōu)化因素在編譯優(yōu)化中的重要性和相互之間的關(guān)系，本文提出了基于粗糙集理論的機器學(xué)習(xí)信息挖掘。研究的目標(biāo)為機器學(xué)習(xí)中生成的中間文件，其包含作為遺傳基因的表達(dá)式及其相應(yīng)的適應(yīng)值。借助粗糙集理論中的屬性相對約簡與求核，我們可以找到可被消除的因素和作為“核"的最重要的因素。通過計算各個因素的相對重要性，可以量化各個因素的在權(quán)值函數(shù)中的作用，這將對進(jìn)一步的編譯優(yōu)化調(diào)試提供有力支持。 綜上，本文提出了基于靜態(tài)分析的快速