常量折叠与常量传播

复习

　　优化里最直观的一类，是处理“常量”。既然编译时就知道结果，何必留到运行时再算？这有两个动作：常量折叠和常量传播。

　　常量折叠（constant folding）很直白：如果一个运算的操作数都是编译时已知的常量，那就直接把它算出来，把运算替换成结果。

x = 2 + 3        →        x = 5

　　反正结果固定，运行时就别再算 2 + 3 了。这不需要任何分析，只要看到常量运算就能折叠。

　　常量传播（constant propagation）更进一步：如果某个变量在某处一定是常量，就把用到它的地方替换成那个常量。

x = 5
y = x + 1       →        y = 6

　　因为 x 确定是 5，x + 1 就确定是 6，于是它也能被折叠。常量传播把“常量”从一个地方，扩散到了它被使用的地方，从而制造出更多可折叠的机会。

　　这里有个关键前提：必须确认这个变量在那一点上“一定是常量”。

　　如果 x 在别处可能被改过，或者来自一个不确定的输入，那就不能传。判断“某点上变量是否一定是常量”，正是数据流分析的活儿——它沿着控制流，看 x 的值在所有可能路径上是否都只有一个确定的值。

　　所以你看，优化不是拍脑袋，而是建立在分析之上的。 折叠和传播这对搭档，常常是优化的第一步：把常量算掉之后，往往会暴露出更多可优化的空间。

思考题 1

　　常量折叠和常量传播，分别做什么？

思考题 2

　　常量传播为什么需要先确认“它一定是常量”？

　　常量折叠把操作数都是常量的运算在编译期直接算出结果，例如 2+3 变成 5；常量传播则判断某个变量在某点一定是常量，把使用它的地方替换成该常量，例如把 x+1 换成 6。

　　因为只有当该变量在那一点确定是常量时，替换才不改变程序行为。如果它在别处可能被修改，或来自不确定的输入，替换就会算错。因此需要数据流分析来确认“所有路径上它都是同一个确定值”。

设计师 | 南国微雪