3.4 SSA 的变体与扩展

3.4 SSA 的变体与扩展

本节摘要：标准 SSA 只给标量变量建"一次定义"的纪律，实践中围绕它长出了四个方向的变体：按 phi 稠密程度分档的最小/半剪枝/剪枝 SSA；把内存访问也纳入版本化的 Memory SSA；把控制条件写进数据流的门控 SSA（GSA）与 psi 形式；以及让每个使用点携带更多上下文的 SSI。本节逐个说清"标准形式在哪个具体场景不够用、变体补上了什么"，并给出各自的代价。读完你应当能按优化需求挑选合适的 SSA 档位，而不是把 SSA 当成一个不可拆整的东西。

3.3 末尾埋了两个尾巴：剪枝 SSA 要先做活跃分析、内存变量还没进 SSA 的世界。本节把这些尾巴一个个接住——每个变体都从标准形式的一个具体短处生长出来，先看短处，再看补丁。

一、按 phi 稠密程度分档：三种"浓度"

同一份程序，三种档位生成的 phi 数量差别很大：

为什么会有"死 phi"？min SSA 在汇合点摆 phi 只看定义到达，不管这条路径上变量还有没有人用。if (c) x = f(); else x = g(); return 0; 里 x 的 phi 纯属摆设。phi 不是免费指令：后端把它物化成拷贝（3.5），每个多余 phi 都是白花的寄存器与带宽。剪枝的代价是一次全局活跃变量分析——第4章 4.2 会把这套分析做扎实，届时"剪枝"就只剩一个判断条件的功夫。

二、Memory SSA：给内存也发版本号

标准 SSA 管不住内存。*p = 1; ... y = *q; 两个访问之间隔着指针，别名分析没做完之前，谁也不敢说 y 读到的是不是刚写的 1。Loads/stores 若不版本化，优化器对内存的推理退回到"逐条怀疑"的原始状态。

Memory SSA 的做法直截了当：把"内存"看成一个虚拟变量 M，每个可能写内存的指令产生新版本，读操作引用它读的那个版本：

M0 = 初始内存状态
store p, 1      → 定义 M1 = M0 的写版本（p 指向处）
store q, 2      → 定义 M2 = M1 的写版本（q 指向处）
load r, 4       → 使用 M2，若别名分析断言 p/q/r 互不别名，
                  load 可被提升为常量 4，甚至整条消掉
load s, ?       → 若与 M1、M2 的写地址可能重叠：
                  Ms = phi(M1, M2) 处仲裁 —— phi 也可以长在内存上
​

这层版本化的直接收益：死存储删除（后一个写覆盖前一个写且中间无读，前者即死）、读提升（store 后紧跟同地址 load，load 替换为被存值）、以及别名分析结论的缓存载体。代价同样明确：版本链的维护随每个内存操作发生，别名分析不精确时版本链退化成一条长链，推理能力跟着缩水。现代编译器普遍把它作为独立的分析设施挂在 SSA 旁边，而不是混进标量 SSA 本体。

三、门控方向：把"走哪条路"写进数据流

标准 phi 只说"从哪条边来取哪个值"，不携带路径成立的条件。有一类优化恰恰需要条件本身：若 if (c) x = a; else x = b; 之后紧接着 if (c) y = x;，人一眼看出第二个判断恒真——但 phi 把 c 的信息抹掉了，y = x 无法化简成 y = b。

GSA（Gated Single Assignment）给 phi 装上门：

标准 SSA:            GSA:
if c                 if c
  x1 = a               x1 = a
else                 else
  x2 = b               x2 = b
x3 = phi(x1, x2)     x3 = phi(c ? x1 : x2)
                     （门记录：取 x1 当且仅当 c 成立）
​

类似的意图在 psi 形式里以"谓词化的定义"表达：每个带条件的定义额外携带成立谓词，优化器沿谓词做蕴含推理即可折叠冗余分支。这一族形式是分支预测、谓词执行与值推测优化的理论底座。代价是表示更重、通用性更差——多数编译器不把门控信息留在 IR 里，而是按需临时重算控制依赖（第4章的控制流分析正是重算的素材）。

图：SSA 变体谱系——每个分支补标准形式的哪块短板

四、变体之外的"扩展用例"

谱系图之外，还有两个用法值得知道，它们不是新形式，而是 SSA 思想的越界使用。

数组与循环的 SSA 化。数组元素 a[i] 在标准 SSA 里原样保留（对内存的访问归 Memory SSA 管）；但对"整个数组当作值"的场景，可以把 a 整体版本化：a1 = store(a0, i, v)。循环携带的数组依赖随之变成 a2 = phi(a0, a1)，依赖距离一目了然。向量化 pass 依赖这种整体视角判断"这圈循环能不能改成 SIMD"。

SSA 图与即时编译。JIT 编译器常把前端来的线性 IR 在内存里直接铸成 SSA 形式的图结构（def-use 边即指针），让热点探测后的优化从 SSA 图起步。这等于把 3.2/3.3 的静态概念挪到运行期限时完成——也解释了为什么 JIT 对"构造算法要快"偏执：支配树求近线性，不是学术洁癖，是延迟预算的硬约束。

本节要点回顾：

• 浓度三档：min 无分析、semi-pruned 局部分析、pruned 全局活跃分析，phi 越来越少；
• Memory SSA：内存作为虚拟变量版本化，死存储删除与读提升的推理底座；
• GSA/psi：把路径条件写进数据流，服务谓词与推测优化，常驻成本高；
• SSI/数组 SSA：让使用点或聚合对象携带更多信息，服务路径敏感分析与向量化；
• 共同地基：支配树与支配边界；变体之间换挡不换骨架。

phi 的故事还剩最后一环：优化做完、要下后端了，这些 phi 怎么体面地退场。下一节讲 De-SSA。

快问快答

问：既然 pruned SSA 最省，为什么不全用它？ 因为剪枝的前提是全局活跃分析，而构造 SSA 的时机常常在分析管线早期——分析还没跑、信息还不全。semi-pruned 的聪明在于用"局部可见性"这个便宜信号近似了剪枝的大头收益。等管线后期信息齐了，死 phi 会被死代码删除顺手清掉——殊途同归，只是成本支付的时点不同。

问：Memory SSA 与别名分析谁先谁后？ 互相供养。别名分析为 Memory SSA 的版本链提供"这俩访问撞不撞"的判定；反过来，版本链让别名结论有了可缓存的载体，不必每个 pass 重算一遍。理解成" Memory SSA 是别名分析的簿记系统"最贴切——账本本身不做判断，但让判断结论可以被复用与失效。