5.5 SSA形式上的优化
5.5 SSA 形式上的优化
本节摘要：静态单赋值形式（SSA）要求每个变量名只被定义一次，分支汇合处用 φ 函数选择版本。本节从主线语句的循环代码出发走一遍 SSA 构造，看它如何把数据流分析"内置"进代码形态——定值引用链现成、常量传播变图上标注、寄存器分配直接消费活跃区间，以及 LLVM 选择它当中间表示的理由。
阅读完本节，你应当能够：
- 把一段含分支与循环的代码手工转成 SSA 形式
- 解释 φ 函数的语义与插入位置规则
- 说出 SSA 让常量传播与死代码删除变简单的机理
- 说明 SSA 的代价：变量版本膨胀与 φ 的善后
一次只定义一次
SSA 的规则一句话：每个名字只允许一条定值指令。变量第二次被赋值，就换新名字（加版本号）。主线语句的 total 累加循环转成 SSA：
普通形式： SSA 形式： i = 0 i0 = 0 L1: total = total + t3 L1: total1 = φ(total0, total2) i = i + 2 i1 = φ(i0, i2) if i < n goto L2 i2 = i1 + 2 ... ... if i2 < n goto L2 total2 = total1 + t3 （t3 已外提，循环外：t3 = t2 - discount）
φ（读作"phi"）是 SSA 的新公民：total1 = φ(total0, total2) 语义是"沿哪条边到达本块，就取哪个版本的值"——从上面第一次进来取 total0，从循环回边进来取 total2。φ 不是真的机器指令，是分析用的记号。
为什么 φ 插在那里
插入规则：某变量在多个前驱块有不同版本，汇合块开头就需要为它插 φ。判断"哪里需要插"用的是支配边界——两个定值块都能到达、又不互相支配的位置。主线循环里 total 在循环外初始化、循环内更新，两个定值的支配边界正是循环头，所以 φ 落在 L1 开头。构造算法（教科书称以 Cytron 命名的算法）两步：先在工作清单上放定值块的支配边界并迭代闭包，再沿支配树重命名变量生成版本号。手工做小例子完全可行，工程实现也就几百行。
内置的数据流
SSA 的威力在于把 5.4 节辛苦迭代的分析变成看代码就知道。三个对照：
对照一 定值引用链： 普通：t3 有三个定值点，引用处到底用哪个？要做到达定值分析 SSA： t3 只有一个定值，所有引用就是它——链是免费的 对照二 常量传播： 普通：逐块迭代传播方程 SSA： t1 = 2.0 是唯一定值，引用 t1 的每条指令直接替换 ——传播退化为"顺着唯一的边抄写" 对照三 死代码： 普通：活跃变量分析判定 SSA： t2 的定义之后若无任何指令引用 t2 的版本，t2 死亡 ——引用计数就是活跃性（在 SSA 里两者等价）
图 同一循环的两种形态：φ 让汇合显式化
代价与善后
SSA 不是免费午餐。版本膨胀：频繁赋值的变量长出一串版本，φ 又引入新值，代码变长。φ 的善后：机器不认识 φ，指令选择前要做"φ 消解"——把 φ 换成前驱块尾的复制指令，或在寄存器分配时让 φ 的输入输出共寄存器（协同分配）。别名干扰：指针与数组元素经过别名操作后，判断"是否同一内存"变复杂，SSA 构造要么保守插 φ 要么先做别名分析。
工程界的裁决很明确：优化期在 SSA 上做，指令选择前退出 SSA。LLVM 的中间表示生来就是 SSA，整个优化管线（几十个 pass）都在 SSA 上运转，直到后端边缘才做 φ 消解；GCC 也在进入主要优化前转 SSA、退出前转回。SSA 已是现代优化器的事实标准语。
⚠️ 常见坑：给所有变量无差别插 φ，函数入口小循环都可能长出成百个 φ，代码体积与分析开销齐涨。实用做法是只对"有多个定值且跨块使用的变量"进 SSA，临时变量按需处理；修剪算法（删除无用 φ）也要配套。
💡 关键直觉：把 SSA 理解为"数据流分析的缓存"。普通形式里，"哪个定值到达这里"每次要用都得现算（迭代方程）；SSA 把计算结果编码进名字——版本号即结论。一次性付费构造，此后所有 pass 白拿全局信息，这就是它成为工业标准的经济学。
SSA 的实践问答
问：phi 函数运行时怎么执行？ 它不执行。机器没有 phi 指令，phi 在指令选择前被消解：要么换成前驱块尾的复制指令（mov），要么靠寄存器分配让 phi 的输入输出共享同一寄存器（协同分配，第 6 章的寄存器合并）。前者多几条 mov，后者省指令但增加着色难度——两条路的取舍由分配器的激进度决定。
问：变量只定义一次，数组元素和堆对象怎么办？ 它们的名字（指针）确实只定义一次，但指向的内存会被改写。SSA 管名字不管内存：内存版本问题交给内存 SSA（给每次内存写也编版本）或别名分析处理，这是 SSA 化大型真实语言时最重的工程活，也是各家编译器质量差距的藏身处。
补一问：为什么 SSA 上的常量传播叫稀疏条件常量传播，强在哪里？ 它把控制流条件一起算进去：某个分支若因条件恒假而不可达，其定值不参与传播。普通传播只能沿数据流算值，稀疏条件版把可达性与取值捆在一次求解里，能传播出更多常量、删掉更多死分支——SSA 的显式定值引用链让这种联合求解成为可能，这是普通形式下极难实现的效果。
再补一问：SSA 会让调试更难吗？ 有这个副作用。变量被拆成多个版本，断点处看到的 x0、x1、x2 都对应源码里的 x，调试器要做版本到源名的反向映射。各家工具链为此在调试信息里加了 SSA 说明段。换来的是优化器行为更可预测、优化代码更易审计——工程上普遍认为这笔交换划算。
SSA 与调试信息的协同仍在演进，读优化后的核心转储时记得这层背景。
本节要点回顾
- 定义：每名字唯一定值，版本号区分多次赋值，φ 处理汇合选择
- 插入规则：支配边界决定 φ 位置，迭代闭包后沿支配树重命名
- 内置分析：定值链免费、常量传播即抄写、引用计数即活跃性
- 代价：版本膨胀、φ 消解、别名复杂性，工程上"优化在 SSA、选指退出"
- 工业地位：LLVM 与 GCC 的主线优化语，事实标准
优化章收官，主线语句已是最精简形态。下一章进入后端：选指令、分寄存器，把它真正落到汇编。