SLP 解析器如何决定其成本模型应该评估什么？

Question

我正在研究 LLVM IR 的新通道优化，这取决于 SLP 矢量器的工作原理。

https://github.com/llvm/llvm-project/blob/master/llvm/lib/Transforms/Vectorize/SLPVectorizer.cpp.

我知道 SLP 在对代码进行向量化之前有一些步骤。它收集候选种子（存储指令），它构建一棵树，使用存储指令中的这些候选者形成超级节点，直到达到加载指令或 const 值。之后，它使用 costModel 函数遍历树，累积每个超级节点的矢量化成本。最后，如果成本为负，则代码将被矢量化。

所以我有这两个玩具示例：

拳头很容易矢量化：

a[i]   = b[i]  *c[i]   + a[i];
a[i+1] = b[i+1]*c[i+1] + a[i+1];
a[i+2] = b[i+2]*c[i+2] + a[i+2];
a[i+3] = b[i+3]*c[i+3] + a[i+3];

第二个不是：

a[i]   = b[i]  *c[i]   + a[i-1];
a[i+1] = b[i+1]*c[i+1] + a[i];
a[i+2] = b[i+2]*c[i+2] + a[i+1];
a[i+3] = b[i+3]*c[i+3] + a[i+2];

我理解为什么第二个代码不可矢量化，但我无法理解 SLP 如何检查它。我进行了一些调试，这不是成本模型。这些说明不会出现在树中。

不幸的是，理解这种代码仍然超出了我的能力范围，而且它的文档也很少，所以我需要更了解 LLVM 的 IR 基础设施如何工作的人的帮助。

谢谢

Answer 1

a[i]   = b[i]  *c[i]   + a[i-1];
a[i+1] = b[i+1]*c[i+1] + a[i];
a[i+2] = b[i+2]*c[i+2] + a[i+1];
a[i+3] = b[i+3]*c[i+3] + a[i+2];

看起来这里存在先写后读的依赖关系，即使 SLP 对其进行矢量化，也可能不会有利可图，可能是提取的成本导致矢量化无利可图。这只是我到目前为止的假设，如果我错了，请纠正我。