基于跨基本块变换和循环分布的slp优化技术

现有的slp优化算法无法处理内层循环中存在的依赖环和归约,并且在基本块边界产生大量的冗余拆包和赋值语句,从而导致向量化效率不高。针对该问题,提出了一种基于跨基本块变换和循环分布的slp优化算法。该算法以控制流图为基础,根据基本块间各数组变量的define-use关系以及跨越基本块之间的数据依赖关系进行跨基本块的向量化变换,有序地采用跨基本块变换和循环分布,尽可能发掘最内层循环基本块内语句的并行性,使slp自动向量化编译器生成具有更多simd指令的向量化代码。实验结果表明,该算法能够隐藏更多跨基本块冗余操作的开销,同时利用跨基本块的数据依赖生成更优的simd指令,有效地提高了向量化程序的加速比。