3、中间表示（IR）设计：为什么需要IR、常见的IR形式（SSA、CFG）、从AST到IR的转换策略
好，咱们今天聊聊中间表示。也就是IR。
很多刚入行的朋友问我：为什么编译器里非要插一层IR？直接从前端语法树怼到后端指令不行吗？
嗯，我刚开始做Shader编译器的时候也这么想过。直到我亲手写了一个从AST直接生成指令的玩具编译器……那叫一个惨。改一个优化，整个后端都得重写。从那以后，我彻底服了IR的设计哲学。
3.1 为什么需要IR？
说白了，IR就是编译器里的“翻译中间人”。
前端解析HLSL、GLSL、MSL，生成的是语法树。后端要生成的是GPU指令。这两者之间，隔着一道天堑。
你想想看：
- 前端AST里，一个for循环可能是一棵大树。后端指令里，只有跳转和条件判断。
- 前端变量名可以叫“myAwesomeColor”。后端寄存器只有r0、r1、r2。
- 前端支持各种高级语法糖。后端只认加减乘除和访存。
如果没有IR，每个优化都得同时理解前端和后端。那代码量……我见过一个项目，优化器写了8万行，改一个bug要两周。
IR的价值，我总结为三点：
- 解耦前后端：前端只负责生成IR，后端只负责消费IR。各管各的。
- 统一优化平台：所有优化都在IR上做。一次优化，所有语言、所有后端都受益。
- 降低复杂度：IR比AST简单，比指令抽象。它刚好卡在“够用”的位置。
核心观点：没有IR的编译器，就像没有中间层的软件架构——短期爽，长期痛。
3.2 常见的IR形式
IR不是只有一种。不同的场景，需要不同的IR。我个人习惯把IR分成两大类：高层次的和低层次的。
3.2.1 SSA（静态单赋值）
SSA是我最喜欢的IR形式。它的核心规则很简单：每个变量只赋值一次。
举个例子，普通代码：
x = a + b
x = x * c在SSA里会变成：
x1 = a + b
x2 = x1 * c看到了吗？x变成了x1和x2。每个版本只出现一次。
为什么这样做？因为优化起来太方便了。
- 常量传播：如果a和b都是常量，x1直接算出来。不用管后面有没有人改x。
- 死代码消除：如果x2没人用，直接删掉。不用担心x1还有别的用途。
- 值编号：如果两个地方算的都是a+b，直接合并成一个。
我在项目中遇到过一个问题：没有SSA的时候，做全局值编号要搞“到达定值分析”，代码又臭又长。换成SSA后，同样的功能，代码量少了三分之二。
小技巧：SSA里的Phi节点（φ节点）是处理控制流合并的关键。比如if-else之后，变量的值来自两个分支，就用Phi来“选”一个。理解Phi，就理解了SSA的一半。
3.2.2 CFG（控制流图）
CFG不是一种IR，而是IR的“骨架”。它描述了代码的执行路径。
每个基本块（Basic Block）是一段顺序执行的代码。基本块之间用有向边连接，表示跳转关系。
为什么需要CFG？
- 优化需要知道“从哪里来，到哪里去”：比如循环优化，你得知道哪些基本块构成了循环体。
- 寄存器分配需要生命周期分析：变量在哪些基本块里是活的？这得靠CFG。
- 死代码消除需要可达性分析：有些基本块永远执行不到？删掉。
我见过最坑的bug，就是CFG构建时漏了一条边。结果优化器以为某个基本块永远不会被执行，直接把它删了。嗯，那个bug查了我三天。
避坑指南：我曾经在构建CFG时，没有正确处理switch-case的fall-through。结果生成的代码在某些GPU上跑出了随机结果。从那以后，我每次构建CFG都会写一个验证器，检查每个基本块的入边和出边是否合理。
3.3 从AST到IR的转换策略
好，现在咱们聊聊最实际的问题：怎么把AST变成IR？
这个过程，我称之为“降级”（Lowering）。说白了，就是把高层次的树结构，变成低层次的图结构。
3.3.1 策略一：递归下降转换
这是最直接的方法。遍历AST的每个节点，递归地生成IR。
比如一个加法表达式：
// AST节点
AddExpr(left: MulExpr(2, 3), right: 4)
// 递归转换
1. 处理 MulExpr(2, 3) -> 生成 IR: t1 = mul 2, 3
2. 处理 4 -> 生成 IR: t2 = const 4
3. 处理 AddExpr -> 生成 IR: t3 = add t1, t2这种方法简单直观。但有个问题：上下文信息容易丢失。
比如，你在一个循环里遇到了break语句。你得知道当前在哪个循环里，才能生成正确的跳转目标。这就需要维护一个“上下文栈”。
我的习惯：我会在转换器里维护一个“环境”对象，里面放着当前所在的函数、循环、switch等信息。每次进入一个作用域，就push一下；退出时pop。这样break、continue、return都能正确处理。
3.3.2 策略二：两阶段转换
有些编译器会分两步走：
- 第一阶段：把AST转换成一种“高层次的IR”。这种IR还保留了一些高级结构，比如循环、数组访问。
- 第二阶段：把高层次IR降级成低层次IR（SSA+CFG）。这时候循环展开成跳转，数组访问变成地址计算。
这样做的好处是：
- 第一阶段可以做一些“高层次优化”，比如循环交换、数组重排。
- 第二阶段专注于“低层次优化”，比如指令选择、寄存器分配。
我在做GPU Shader编译器时，就采用了这种策略。因为Shader里有很多纹理采样、导数计算等高级操作。如果直接降到SSA，这些信息就丢了，后面想做纹理合并优化就难了。
3.3.3 策略三：基于模式匹配的转换
这种方法更高级一些。你定义一组“转换规则”，每个规则描述了一种AST模式如何映射到IR模式。
比如：
规则1: AddExpr(MulExpr(a, b), c) -> IR: t1 = mul a, b; t2 = add t1, c
规则2: AddExpr(a, MulExpr(b, c)) -> IR: t1 = mul b, c; t2 = add a, t1然后让一个“模式匹配引擎”自动应用这些规则。
这种方法的好处是：
- 规则可以独立添加，互不干扰。
- 可以很容易地支持多种后端（比如不同GPU架构的指令集）。
但缺点也很明显：规则多了之后，匹配顺序和冲突处理会变得很复杂。我曾经维护过一个有300多条规则的转换器，每次加新规则都要跑一遍全量测试，生怕把别的规则搞坏了。
3.4 实战中的注意事项
说了这么多理论，最后分享几个实战中的坑：
| 问题 | 表现 | 解决方案 |
|---|---|---|
| SSA中Phi节点过多 | IR体积膨胀，编译时间变长 | 做Phi节点最小化，只对必要的变量插入Phi |
| CFG中有不可达基本块 | 生成无效指令，GPU可能崩溃 | 转换后做一次“CFG清理”，删除不可达块 |
| AST节点和IR指令一一对应 | IR过于冗长，优化空间小 | 允许一个AST节点生成多条IR指令，或者多个AST节点合并成一条IR指令 |
| 忘记处理隐式类型转换 | 生成错误的IR，计算结果不对 | 在AST转换前先做类型检查，插入显式转换节点 |
曾经踩过的坑：我在做纹理采样指令的降级时，忘了处理“偏导数”指令。结果在某个GPU上，纹理采样结果全是错的。因为那个GPU的硬件要求偏导数必须在同一个基本块内计算。从那以后，我每次降级都会检查“硬件约束”，确保生成的IR满足目标GPU的要求。
好了，关于IR的设计，今天就聊这么多。下一章咱们聊聊具体的优化技术——常量折叠和传播。到时候我会分享一个我亲手优化的案例，性能提升了40%。