CN1892603A - 一种基于组合并算法的偏移量分配优化方法 - Google Patents

Abstract

本发明公开了一种基于组合并算法的偏移量分配优化方法，特别涉及一种针对“受限制的索引寻址模式”的偏移量分配优化方法。本发明在对访问图进行划分的时候，采用组合并的方法，将权重较大的边优先划分到一个子图内，使得各个子图之内的顶点构成的子图之内边的权重之和最大，增强整体的分组效果。本发明可以对地址寄存器的设定操作，优化了代码，从而提高了编译优化性能。

Description

一种基于组合并算法的偏移量分配优化方法

技术领域

本发明涉及一种寻址操作编译优化、偏移量分配(Offset Assignment)优化方法，特别涉及一种针对“受限制的索引寻址模式”的偏移量分配优化方法。

背景技术

由于嵌入式处理器的片上存储容量有限，因此如何减少代码大小是编译器为嵌入式处理器生成代码时需要考虑的一个因素。偏移量分配优化，就是通过重新分配变量在存储器中的位置，从而最大化的利用处理器提供的特定寻址模式来优化寻址代码的一种优化方法。

偏移量分配优化最早由文献1：[S.Liao，S.Devadas，K.Keutzer，S，Tjiang，A.Wang.Storage Assignment to Decrease Code Size.ACM SIGPLAN Conferenceon Programming Language Design and Implementation，1995]提出，是针对部分嵌入式处理器提供的自增/自减(autoincrement/autodecrement)寻址模式的一种优化方法。自增/自减寻址模式是指：指令在访问地址寄存器所指向地址的同时，地址寄存器的值自增或自减k(通常k＝1)。充分利用自增/自减寻址模式来访存，可以减少显式的地址计算。所以，通过重新分配变量在存储器中的位置，使得尽可能多的利用自增/自减寻址模式来进行访存，能够减少代码大小，提高代码效率。

有一些嵌入式处理器，如Intel IXP 2400，除了支持自增/自减寻址模式外，还支持一种特殊的索引寻址模式，即基地址+偏移量的寻址模式，我们将这种特殊的索引寻址模式称为“受限制的索引寻址模式”。不同于一般的通用处理器中索引寻址模式的是，“受限制的索引寻址模式”对基地址和偏移量有一定的限制：偏移量为0到m-1之间的一个常数(m为一个常数，比如16)，而基地址必须是m字(word)的倍数。如果将要访问的变量的地址与基地址的偏移量不在0到m-1之间，则我们需要重新设定基地址，即重新设定地址寄存器。针对这种“受限制的索引寻址模式”，也可以进行偏移量分配优化，但目前尚未有文献公开。

文献2：[Y.choi，T.Kim，H.Han.Memory Layout Techniques for VariablesUtilizing Efficient DRAM Access Modes in Embedded System Design.IEEETransactions on Computer-Aided Design of Integrated Circuits and Systems，Vol.24，NO.2，Feb 2005]曾对类似的问题进行过研究。文献2是针对一些嵌入式系统中对访问动态随机存储器(DRAM)提供的一种页模式(page mode)优化方法。页模式是指当前访问动态随机存储器中的变量和上一次访问的变量处在同一页时，可以使用的一种比普通模式更为高效的一种访存模式。与“受限制的索引寻址模式”有所不同的是，页模式的使用是由硬件来负责的，在生成的代码中没有体现。所以，针对这种页模式的偏移量分配优化不能减少代码大小，仅可以提高程序性能。

文献2提出的针对页模式的优化方法主要思想如下：首先提取出动态随机存储器中变量的访问序列(access sequence)；再根据访问序列构造访问图(accessgraph)，图上的顶点对应访问序列中出现的变量，边上的权重代表相应两个顶点在访问序列中出现相邻的次数；然后根据一定的算法将访问图划分成若干个顶点数目不超过m的子图(m为页模式中一页的大小)，使得各个子图之内的顶点构成的子图之内边的权重之和最大；最后，变量在动态随机存储器中的位置就按上一步中确定的划分进行分配，每个子图的顶点相应的分成一页。

文献2优化方法的核心算法就是将访问图划分成若干个子图的算法，给出了一个启发式算法，算法进行的是循环求解，每个循环划分出一个子图。用attract_in(P，x)表示顶点x与当前子图P内所有顶点构成的边上的权重之和，用attract_out(P，x)表示顶点x与当前子图P外所有顶点构成的边上的权重之和。在每个循环的开始，找出权重最大的一条边，将这条边的两个节点加入P。以后每次选择attract_in值最大的节点加入到P中。当attract_in值最大的节点有多个的时候，如果当前选择的不是子图中的最后一个节点，则随机选这些节点中的一个；否则，选择这些节点中attract_out值较小的那个。

文献2公开的方法中存在着不足之处，如图1(a)、(b)所示：按照文献2的算法，先选择权重最大的一条边<a，c>，将顶点a，c加入组，在考虑加本组的最后一个节点的时候，因为顶点d的attract_in值大于b的attract_in值，所以选择顶点d，形成了顶点a、c、d在一个页，顶点b、e在另一个页的布局，两个子图之间的顶点构成的边的权重之和为4，如图1(a)所示。但是，存在如图1(b)所示布局，即顶点a、b、c在一个页，顶点d、e在另一个页，此时两个子图之间的顶点构成的边的权重之和为3，显然比前一选择更好。文献2公开的方法存在不足的原因是，由于它每次只考虑一个组的构成，使该组内顶点构成的边的权重之和最大，观点较为局限，导致节点的选择不合理。

综上所述，在现有针对页模式的偏移量分配优化方法中，存在对页划分不合理、降低了编译优化的性能的问题。

发明内容

本发明的目的是克服现有针对页模式的偏移量分配优化方法中存在对页划分不合理的问题，提供一种基于组合并方法的针对“受限制的索引寻址模式”的偏移量分配优化新方法。

为了实现上述目的，本发明采取如下技术方案：

一种基于组合并算法的偏移量分配优化方法，包括以下步骤：

1.将存储器中的每个变量分别构成一个组；

2.对所有组形成访问图，即每个组作为访问图的一个节点；

3.将访问图中的边按照权重从大到小排序；对于权重相同的边，按照边上的两个节点与访问图中其他节点构成的边的权重之和从小到大排序；将排好序的边依次放入一个队列中；

4.判断队列是否为空？若是，则执行步骤6；若否，则执行下一步骤5；

5.选择队列中的第一条边，所选择的边上的两个节点分别对应两个组，判断这两个组中的变量个数之和是否小于或等于“受限制的索引寻址模式”中利用同一个基地址最多能访问变量的数目m？若是，则将对应的两个组合并成一个组，清空队列，执行步骤2；若否，则在当前队列中删去这条边，则队列中原第二条边成为现在队列中的第一条边，然后执行步骤4；

6.选取一个组内变量数目小于m的组p，寻找一个组q，使得p与q中变量数目之和小于等于m，如果存在多个满足条件的组q，从中选择组内变量数目最大者，将组p与组q合并；

7.重复执行步骤6，直到所有组内变量数目小于m的组都被处理过；

8.根据变量的分组情况决定变量在存储器中的分布，结束。

在上述技术方案中，步骤2的执行过程为：遍历要编译的程序单元，遇到对存储器中变量y的一次访问，y所属组的组号为v，假设上一次访问到的存储器中变量为x，x所属组的组号为u，则将新增边<u，v>加入访问图。

在上述技术方案中，如果优化的首要目的是减少代码大小，则所述新增边<u，v>的权重设为1。

在上述技术方案中，如果优化的首要目的是提高代码执行效率，则所述新增边<u，v>的权重设为其所在基本块的执行频率，或者为两个变量分别所在的两个基本块之间控制边的执行频率。

与现有技术相比，本发明的有益效果在于：

1、本发明在对访问图进行划分的时候，采用组合并的方法，从更为全局的观点出发，将权重较大的边优先划分到一个子图内，使得各个子图之内的顶点构成的子图之内边的权重之和最大，增强了整体的分组效果。

2、本发明减少了对地址寄存器的设定操作，优化了代码，提高了编译优化性能。

附图说明

图1(a)、(b)表示使用文献2的方法对访问图进行划分的不足之处；

图2(a)是具体实施例中对存储器中变量的访问序列的示意图；

图2(b)是图2(a)中访问序列所对应的访问图；

图2(c)是本发明实施前的变量在存储器中排列情况的示意图；

图2(d)是本发明实施前生成代码中有关存储器访问的代码片断示意图；

图3(a)是采用文献2的方法对图2(b)中访问图的划分结果的示意图；

图3(b)是采用文献2的方法后的变量在存储器中排列情况的示意图；

图3(c)是采用文献2的方法后生成代码中有关存储器访问的代码片断示意图；

图4(a)是本发明实施后对图2(b)中访问图的划分结果的示意图；

图4(b)是本发明实施后的变量在存储器中排列情况的示意图；

图4(c)是本发明实施后生成代码中有关存储器访问的代码片断示意图；

图5是本发明实施例中基于组合并算法的偏移量分配优化方法流程图；

图6(a)-(b)是对图2(a)中的例子实施本发明的过程中的访问图和分组情况示意图；

图面说明：

图2(a)中，a，b，c，d，e，f代表存放在存储器中的变量；

图2(d)中，指令LOAD AR，0表示将地址寄存器AR的值赋0；

0(AR)表示以地址寄存器AR中的值为基地址，访问相对于基地址的偏移量为0的那个变量。

图3(c)和图4(c)中，指令的意思同图2(d)中所述；

图5中，op表示从当前处理的程序单元中取出的一条指令；

last_access_variable表示上一次访问的存储器中的变量在存储器中的位置，其初始值设为-1；

n为一个整数变量，用来表示当前指令中访问的变量在存储器中的位置；

m表示使用“受限制的索引寻址模式”时利用同一个基地址最多能访问的变量的数目；

group[i]表示第i个变量当前所属组对应的编号；

group_size[i]表示第i个组中变量的数量；

edge_list表示有序的边队列；

<u，v>表示edge_list中的第一条边；

j为一个整数变量，用来表示一个组的编号；

k表示一个组的编号；

图6中，圆圈内的数字表示相应组的编号，每个圆圈附近对应的大括号内的字母表示当前该组所拥有的变量。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细描述：

基于组合并算法的偏移量分配优化方法，本实施例的目标是使生成代码中对地址寄存器的设定操作最小化。根据现有工作，本发明采用基于组合并方法的图划分方法来实现偏移量分配，此时图划分的目标即使得不同子图间的顶点构成的子图间边的权重之和最小化。而已有的针对页模式的优化方法中，图划分的目标为使得各个子图之内的顶点构成的子图之内边的权重之和最大化，这与本发明的方法中的使得不同子图间的顶点构成的子图间边的权重之和最小化的目标实质上是等价的。所以本发明利用已有的针对页模式的处理模型实施偏移量分配优化，但由于针对页模式的优化方法中存在一些问题，本发明采用了一种新的图划分算法，在进行划分时进行更全局的考虑，提高了优化效果。

参照图5表示的本实施例的程序流程图，本实施例的基于组合并算法的偏移量分配优化方法，包括如下步骤：

1)置变量last_access_variable的值为-1；(用来记录上一次访问的存储器中的变量在存储器中的位置，初始时last_access_variable的值设为-1)。

2)用一个数组group来记录每个变量目前所在的组，用数组group_size来记录当前每个组中变量的个数，即group[i]表示第i个变量目前所在组的组号，group_size[i]表示第i个组中变量的个数，置group[i]＝i，group_size[i]＝1，(表示初始时，每个变量构成一个组)；

3)判断程序单元中所有指令是否都已处理过？如果是，执行步骤8)；如果否，执行下一步骤4)；

4)读入一条指令，判断指令中是否存在对存储器的访问？若是，执行下一步骤5)；若否，执行步骤3)；

5)用n来记录当前指令中访问的变量在存储器中的位置(表示在所有变量中排第几)，判断last_access_variable的值是否为-1？若否，执行下一步骤6)；若是，执行步骤7)；

6)将边<group[last_access_variable]，group[n]>加入到访问图中，若访问图中已经存在边<group[last_access_variable]，group[n]>，则将新增边的权重与已有边的权重进行累加；如果优化的首要目的是减少代码大小，则这条新增边的权重为1；如果优化的首要目的是提高代码执行效率，则这条新增边的权重为其所在基本块的执行频率，或者为两个变量分别所在的两个基本块之间控制边的执行频率；本实施例中，新增边的权重为1；

7)置last_access_variable为n，执行步骤3)；

8)将访问图中的边按照权重从大到小排序，对于权重相同的边，按照边上的两个节点与访问图中其他节点构成的边的权重之和从小到大排序，将排好序的边依次放入队列edge_list中；

9)判断edge_list是否为空？若是，执行步骤12)；若否，执行下一步骤10)；

10)取edge_list中的第一条边<u，v>，判断group_size[u]+group_size[v]是否小于等于m？若是，执行下一步骤11)；若否，将边<u，v>从edge_list删除，执行步骤9)；

11)将组号为v的组中的所有变量的所在组号都置为u，将group_size[u]置为group_size[u]+group_size[v]，将group_size[v]置为0；将原来在访问图上连接到v的边<x，v>改为连接到u上，即修改为<x，u>，若原来就存在边<x，u>，则将<x，v>的权重累加到已有边<x，u>上；清空edge_list；执行步骤8)；

12)置变量j为0；

13)判断j是否小于当前变量的数目？若是，执行下一步骤14)；否则，执行步骤17)；

14)判断group_size[j]是否小于m并且大于0？若是，执行下一步骤15)；若否，执行步骤16)；

15)判断是否存在一个组k，使得group_size[j]+group_size[k]不大于m，并且group_size[k]在所有满足条件的组中最大？若是，则将组号为k的组中的所有变量的所在组号都置为j，将group_size[j]置为group_size[j]+group_size[k]，将group_size[k]置为0，执行下一步骤16)；若否，直接执行下一步骤16)；

16)j置为j+1，执行步骤13)；

17)根据变量的分组情况决定变量在存储器中的分布，结束。

下面结合附图，说明本实施例的优化效果。

图2(a)表示了在图2、3、4中用到的访问序列为S＝{a，b，c，d，e，f，c，b，f，c，f，e，d}，m＝4；图2(b)则为访问序列S所对应的访问图。

图2(c)中所示变量的分布未作优化，它是按照变量在访问序列中第一次出现的先后顺序来决定的。如图所示，变量a、b、c、d在一个组，e、f在另一个组。对于这种变量分布，图2(d)显示了相应生成代码中的访存部分的片断，可以看出，除了程序开始时对地址寄存器的初始化设定操作，程序中还需要6条额外的对地址寄存器进行设定的指令。

图3(a)所示为采用文献2的方法对访问图的划分结果：c、f、b、e构成一个子图，a、d构成另外一个子图。图3(b)表示了对应于图3(a)中图划分，即使用文献2的方法进行优化后，变量在存储器中的分布情况。对于这种分布，图3(c)显示了相应生成代码中的访存部分的片断，如图所示，程序需要4条额外的对地址寄存器进行设定的指令。

图4(a)所示为采用本发明对访问图的划分结果，a、b、c、f构成一个子图，d、e构成另外一个子图。图4(b)表示了对应于图4(a)中的图划分，即使用本发明进行优化后，变量在存储器中的分布情况。对于这种分布，图4(c)显示了相应生成代码中的访存部分的片断，如图所示，程序中仅需要3条额外的对地址寄存器进行设定的指令。

将图4(c)与图3(c)进行对比，即可看出本发明相对已有方法的改进。

图6显示了对图2中的例子实施本发明的中间过程，具体步骤为：先将每个节点单独形成一个组，对应访问图如图6(a)；选择权重最大的一条边<3，6>，将组3和6合并为一个组，组3中变量包含c，f，得到如图6(b)所示的访问图；此时，再选择访问图中权重最大的一条边<2，3>，将组2和3合并为一个组，组2中变量包含b，c，f，得到如图6(c)所示的访问图；再选择访问图中权重最大的边，此时因为有两条权重最大的边<2，5>和<4，5>，而<2，5>的两个节点与访问图中其他节点构成的边的权重之和为4，<4，5>的两个节点与访问图中其他节点构成的边的权重之和为3，根据本发明技术方案中步骤3的规则，选择边<4，5>进行处理，将组4和5合并为一个组，组4中变量包含d，e，得到如图6(d)所示的访问图；选择权重最大的一条边<2，4>，但是由于组2和组4中变量数目之和为5，已经超过m，所以不做组合并；转而对权重次大的边进行处理，选择边<1，2>，将对应的两个组，1和2，进行合并，组1中变量包含a，b，c，f，形成的访问图如如图6(e)；算法继续选择权重最大的边<1，4>进行处理，由于组1和组4中变量数目已经超过m，所以不做组合并，同时图中已经不存在其他边，算法终止。最终的分组情况为a、b、c、f在一组，d、e在另外一个组，如同图4(a)中所示。

Claims (7)

1、一种基于组合并算法的偏移量分配优化方法，包括以下步骤：

1)将存储器中的每个变量分别构成一个组；

2)对所有组形成访问图，即每个组作为访问图的一个节点；

3)将访问图中的边按照权重从大到小排序；对于权重相同的边，按照边上的两个节点与访问图中其他节点构成的边的权重之和从小到大排序；将排好序的边依次放入一个队列中；

4)判断队列是否为空？若是，则执行步骤6)；若否，则执行下一步骤5)；

5)选择队列中的第一条边，所选择的边上的两个节点分别对应两个组，判断这两个组中的变量个数之和是否小于或等于“受限制的索引寻址模式”中利用同一个基地址最多能访问变量的数目m？若是，则将对应的两个组合并成一个组，清空队列，执行步骤2)；若否，则在当前队列中删去这条边，则队列中原第二条边成为现在队列中的第一条边，然后执行步骤4)；

6)选取一个组内变量数目小于m的组p，寻找一个组q，使得p与q中变量数目之和小于等于m，如果存在多个满足条件的组q，从中选择组内变量数目最大者，将组p与组q合并；

7)重复执行步骤6)，直到所有组内变量数目小于m的组都被处理过；

8)根据变量的分组情况决定变量在存储器中的分布，结束。

2、根据权利要求1所述的基于组合并算法的偏移量分配优化方法，其特征在于，步骤2)的执行过程为：遍历要编译的程序单元，遇到对存储器中变量y的一次访问，y所属组的组号为v，假设上一次访问到的存储器中变量为x，x所属组的组号为u，则将新增边<u，v>加入访问图。

3、根据权利要求2所述的基于组合并算法的偏移量分配优化方法，其特征在于，如果优化的首要目的是减少代码大小，则所述新增边<u，v>的权重设为1。

4、根据权利要求2所述的基于组合并算法的偏移量分配优化方法，其特征在于，如果优化的首要目的是提高代码执行效率，则所述新增边<u，v>的权重设为其所在基本块的执行频率，或者为两个变量分别所在的两个基本块之间控制边的执行频率。

5、一种基于组合并算法的偏移量分配优化方法，包括如下步骤：

1)变量last_access_variable用来记录上一次访问的存储器中的变量在存储器中的位置，初始时last_access_variable的值设为-1；

2)初始时，每个变量构成一个组：用一个数组group来记录每个变量目前所在的组，用数组group_size来记录当前每个组中变量的个数，即group[i]表示第i个变量目前所在组的组号，group_size[i]表示第i个组中变量的个数，置group[i]＝i，group_size[i]＝1；

3)判断程序单元中所有指令是否都已处理过？如果是，执行步骤8)；如果否，执行下一步骤4)；

4)读入一条指令，判断指令中是否存在对存储器的访问？若是，执行下一步骤5)；若否，执行步骤3)；

5)用n来记录当前指令中访问的变量在存储器中的位置，判断last_access_variable的值是否为-1？若否，执行下一步骤6)；若是，执行步骤7)；

6)将新增边<group[last_access_variable]，group[n]>加入到访问图中，若访问图中已经存在边<group[last_access_variable]，group[n]>，则将新增边的权重与已有边的权重进行累加；

7)置last_access_variable为n，执行步骤3)；

8)将访问图中的边按照权重从大到小排序，对于权重相同的边，按照边上的两个节点与访问图中其他节点构成的边的权重之和从小到大排序，将排好序的边依次放入队列edge_list中；

9)判断edge_list是否为空？若是，执行步骤12)；若否，执行下一步骤10)；

10)取edge_list中的第一条边<u，v>，判断group_size[u]+group_size[v]是否小于等于m？若是，执行下一步骤11)；若否，将边<u，v>从edge_list删除，执行步骤9)；

11)将组号为v的组中的所有变量的所在组号都置为u，将group_size[u]置为group_size[u]+group_size[v]，将group_size[v]置为0；将原来在访问图上连接到v的边<x，v>改为连接到u上，即修改为<x，u>，若原来就存在边<x，u>，则将<x，v>的权重累加到已有边<x，u>上；清空edge_list；执行步骤8)；

12)置变量j为0；

13)判断j是否小于当前变量的数目？若是，执行下一步骤14)；否则，执行步骤17)；

14)判断group_size[j]是否小于m并且大于0？若是，执行下一步骤15)；若否，执行步骤16)；

15)判断是否存在一个组k，使得group_size[j]+group_size[k]不大于m，并且group_size[k]在所有满足条件的组中最大？若是，则将组号为k的组中的所有变量的所在组号都置为j，将group_size[j]置为group_size[j]+group_size[k]，将group_size[k]置为0，执行下一步骤16)；若否，直接执行下一步骤16)；

16)j置为j+1，执行步骤13)；

17)根据变量的分组情况决定变量在存储器中的分布，结束。

6、根据权利要求5所述的基于组合并算法的偏移量分配优化方法，其特征在于，如果优化的首要目的是减少代码大小，则步骤6)中所述新增边的权重为1。

7、根据权利要求5所述的基于组合并算法的偏移量分配优化方法，其特征在于，如果优化的首要目的是提高代码执行效率，则步骤6)中所述新增边的权重为其所在基本块的执行频率，或者为两个变量分别所在的两个基本块之间控制边的执行频率。

Images