2025年编译器优化故障的测试与定位

编译器优化故障的测试与定位作者 江贺 整理 Hana 作者简介 江贺 大连理工大学软件学院教授 博士生导师 研究领域 智能软件工程 软件大数据处理 编译系统测试 工业软件测试 个人主页 http faculty dlut edu cn jianghe zh CN index htm 本次技术分享来自 SIG 编程语言测试技术沙龙 本文内容为提取讲演视频后的文章

大家好,我是讯享网,很高兴认识大家。

作者 | 江贺

整理 | Hana

作者简介:

江贺,大连理工大学软件学院教授,博士生导师,研究领域:智能软件工程(软件大数据处理、编译系统测试、工业软件测试)

个人主页:http://faculty.dlut.edu.cn/jianghe/zh_CN/index.htm

本次技术分享来自 SIG-编程语言测试技术沙龙,本文内容为提取讲演视频后的文章,视频也已经发布在 B 站,欢迎大家点开学习。

小程序,


讯享网

哔哩哔哩,,编译器优化故障的测试与定位小程序

# Introduction #

今天想分享的主题是 编译器故障的检测和定位。

当前编译器的发展现状如下图示,大家可以看出编译器的发展趋势正在由通用型转向领域特定型。

图片

编译环境发展现状

但是我们分析发现,这些编译器实际上依旧占据着主流的应用市场:

图片

主流编译器流行度 —— 以 C/C++ 编译器为例

国内也涌现出很多的编译器:

图片

国产编译器

神威睿智编译器 基于申威指令系统开发 [1]  了基于 GCC 和 Open64 的产品编译器,以及针对国产主机的二进制翻译系统(PowerPC/X86);

龙芯中科 也有基于自有架构后端定制了优化的编译器,包括基于 GCC 和 Open64 的产品编译器,以及 DigitalBridge 进程级二进制翻译系统(X86);

寒武纪  [2] 针对 AI 构建了自己的编译工具链,包括 CNCC(寒武纪 BANG C 语言编译器,基于 Clang 和 LLVM 开发)和 CNAS(寒武纪 MLISA 语言编译器);

华为也推出了自研的方舟编译器 [3]。

图片

编译器的质量会大大影响其使用和流行程度,因此在做编译器的过程中,编译器的质量是一个非常重要的要求。

确保编译器的质量有两种方式:第一种方式就是做 可信验证,这种方式的好处在于它理论上是可以完全保证编译器质量的(如 CompCert [4]),但是无法规模化应用;更常用的办法是 对编译器做测试,虽然无法保证完备性,但它可以大规模化。

图片

编译器可信验证 vs. 编译器测试

# 编译器测试

编译器测试一般会有三个阶段,

  1. 测试用例生成 如何生成测试用例来触发编译器故障
  2. Test Oracle 问题 即测试准则问题 [5]。当输入测试用例后,编译器产生的输出与我们的预期输出是否一样
  3. 测试用例约减 当我们发现了一个编译器的故障后,广州房评通常来讲测试用例可能会很长,但是要提交给社区时,必须做一些相关的约减,将测试用例减到方便开发者阅读和定位的范围内(比如 20 行左右)。

图片

编译器测试的一般流程

编译器测试的主要方法

这里简单介绍一下三种主流编译器测试技术:

Random Differential Testing (RDT) 即随机差异测试。简单说,就是用同个编程语言的不同的编译器(比如 GCC 和 LLVM)来进行比较,若编译器的行为不一致,则表示至少其中一个编译器是存在故障的。

Different Optimization Levels (DOL) 即优化级别测试。是 RDT 的一个变种,具体方法是对比同一个编译器的不同优化等级,若行为不一致,则表示至少有一种编译器优化存在故障。

Equivalent Modulo Inputs (EMI) [6]  即等价取模测试,由 UC Davis 的苏振东教授团队提出。EMI 的方法与 RDT 等不同,是对程序进行变换,然后观察被测编译器,是否会跑出不同的结果。

图片

编译器测试的主要方法

# 编译器架构

编译器可以分为前端、中间层及后端。业界对编译器中间这一层的分析和测试比较多,针对前端和后端的分析测试在学术界相对不是特别多。工业界也是如此,由于后端架构的多样,中间代码到指令集的翻译需要适配不同的架构,这个过程需要很严肃的测试是否有故障;另外,像 LLVM 编译器的中间优化大概有 150 多个,丰告网GCC 大概有 250 个,中间优化对传统编译器来说是相当重要的一部分,同时也是出现故障可能性很大的一部分。

图片

典型的编译器架构

正确地使用编译器优化对程序的性能(如执行速度、代码大小、功耗等)会有显著影响。

编译器优化对工业界的应用十分有意义,当你选择比较好的优化,包括优化的序列时,对程序最后的输出会有很大影响。比如通过编译器优化,甚至可以改进给定程序编译后的大小,程序执行速度,功耗等。对于嵌入式行业来说,代码的大小分分钟会影响到增减一个芯片的问题,所以优化带来的这些收益对于工业界是十分关键的。

图片

编译优化选择(Phase Ordering Problem)

有关编译优化的选择,业界当前有两类主要的方法(如上图示):

  • 第一种是 机器学习方法,即找出一些示例程序,结合不同的编译器优化序列,从而构建出训练样本,输入给算法进行学习;
  • 另外一种是 演化计算方法,不需要有训练集,给定一个程序,将对其进行的优化序列编码为一个解,然后对优化序列进行交叉编译来迭代。

讲完前面一些背景之后

小讯
上一篇 2025-03-31 10:39
下一篇 2025-01-08 12:11

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/112498.html