Compilers og Code Optimisation

0.0(0)
Studied by 0 people
call kaiCall Kai
learnLearn
examPractice Test
spaced repetitionSpaced Repetition
heart puzzleMatch
flashcardsFlashcards
GameKnowt Play
Card Sorting

1/79

encourage image

There's no tags or description

Looks like no tags are added yet.

80 Terms

1
New cards

Compiler VS Assembler

Compiler – Omset kode frå eit høgnivåspråk, som C, til lågnivåkode, til dømes assembly.

Assembler – Omset assembly-kode til maskinkode (binærkode).


2
New cards

Compilation Units

Separate delar av eit program som kan kompilerast uavhengig av kvarandre, vanlegvis ei .c-fil med tilhøyrande inkluderte header-filer.

3
New cards

Preprocessing

Det første steget i C-byggjeprosessen, der preprosessoren behandlar direktiv som #include og #define før kompilering.

4
New cards

Compiler (kompilator)

Eit program som oversetter kildekode frå eit programmeringsspråk, til dømes C, til lågnivåkode som kan vidarebehandlast til maskinkode som CPU-en kan utføre.

5
New cards

Preprocessor

da er ikkje ein fysisk prosessor, men eit program som behandlar kildekoden før compileren oversetter den.

6
New cards

Compilation

prosessen der compileren omset kildekode til lågnivåkode, ofte assmbly

7
New cards

Assembling

Prosessen der assembleren omset assembly-instruksjonar til maskinkode i ein objektfil

8
New cards

Objektfil (Object File)

ein fil som inneheld maskinkode frå ei kompilert kildekodefil, men som enno ikkje nødvendigvis kan køyrast som eit sjølvstendig program

9
New cards

Linker

Eit program som kombinerer objektfiler og nødvendige biblotek til eit køyrbart program og løyser referansar mellom filene.

10
New cards

Kva er prosessen frå High-Level Language til Machine Code?

  1. Preprocessor – Behandlar kildekoden.

  2. Compiler – Omset kildekoden til assembly.

  3. Assembler – Omset assembly til maskinkode i ei objektfil.

  4. Linker – Kombinerer objektfiler til eit køyrbart program.

  5. Loader – Lastar programmet inn i minnet slik at det kan utførast.


11
New cards

High-Level Language (HLL)

Eit programmeringsspråk som er lettare for menneske å lese og skrive, til dømes C.


12
New cards

Kva gjer Preprocessor?

Behandlar kildekoden før kompilering, mellom anna ved å inkludere header-filer (#include) og erstatte makroar (#define).

13
New cards

Relocatable Machine Code

Maskinkode der enkelte adresser enno ikkje er endeleg bestemte, slik at koden kan plasserast på ulike minneadresser.

14
New cards

Loader

Ein del av operativsystemet som lastar eit køyrbart program inn i minnet, klargjer det for utføring og startar programmet.

15
New cards

Absolute Machine Code

Maskinkode der adressene er bestemte for plasseringa programmet skal bruke, slik at instruksjonane kan utførast.

16
New cards

Frontend, Middle-end VS Backend?

  • Frontend – Analyserer kildekoden og kontrollerer at han er gyldig.

  • Middle-end – Analyserer og optimaliserer koden, vanlegvis ved hjelp av IR.

  • Backend – Genererer maskinspesifikk kode som CPU-en kan utføre.


17
New cards

Lexical Analysis (Lexing)

Prosessen der kildekoden blir delt opp i mindre delar, kalla tokens.


18
New cards

Tokens

Dei minste betydningsfulle elementa i kildekoden, til dømes keywords, identifiers, operators og constants.


19
New cards

Syntax Analysis (Parsing)

Prosessen der compileren kontrollerer at tokens følger programmeringsspråket sine grammatiske reglar, og bygger eit syntax tree

20
New cards

Abstract Syntax Tree (AST)

Ein trestruktur som representerer oppbygginga og innhaldet i kildekoden, utan unødvendige syntatiske detaljar

21
New cards

Semantic Analysis

Prosessen der compileren kontroller at koden gir meining, t.d. at variablar er deklarete og datatypar blir brukt korrekt.

22
New cards

Intermediate Representation (IR)

ein intern representasjon av programmet som compileren bruker for å analysere og optimalisere kode, utan å vere direkte avhengig av programmeringsspråk eller prosessorarkitektur.

23
New cards

LLVM VS MLIR

  • LLVM – Bruker hovudsakleg éi felles IR for optimalisering og kodegenerering.

  • MLIR – Støttar fleire nivå og typar IR for å representere og optimalisere kode på ulike abstraksjonsnivå.


24
New cards

Code Generation

prosessen der compilere omset IR til maskinspesifikke instruksjonar, t.d. ARM-assembly

25
New cards

LLVM IR

ein intern, maskinuavhengig representasjon av programkode som LLVM bruker til å analysere og optimalisere kode før han blir omsett til maskinspesifikke instruksjonar.

26
New cards

LLVM

eit compiler-rammeverk, altså ei samling verktøy og komponentar som blir brukte til å utvikle kompilatorar.

27
New cards

MLIR (Multi-Level Intermediate Representation)

Eit compiler-rammeverk som gjer det mogleg å representere og optimalisere programkode på fleire abstraksjonsnivå.


28
New cards

Function Inlining

Ein optimaliseringsteknikk der eit funksjonskall blir erstatta med sjølve funksjonskoden, slik at overhead frå funksjonskallet kan fjernast.

29
New cards

Loop Unrolling

Ein optimaliseringsteknikk der ein reduserer kor mange gongar ein loop må kontrollere løkkebetingelsen og oppdatere tellaren, ved å utføre fleire iterasjonar per loop-runde.

30
New cards

Loop Invariant Code Motion (LICM)

Ein optimaliseringsteknikk der berekningar som gir same resultat i kvar iterasjon, blir flytta ut av løkka for å unngå unødvendig arbeid.

31
New cards

Dead Code Elimination

Ein optimaliseringsteknikk som fjernar kode som ikkje påverkar resultatet, til dømes ubrukte variablar eller kode som aldri blir utført

32
New cards

Constant Folding VS Constant Propagation

  • Constant Folding – Bereknar uttrykk med kjende konstantar under kompilering, til dømes 3 + 5 til 8.

  • Constant Propagation – Erstatter variablar med kjende konstantverdiar der det er mogleg.


33
New cards

Dei vanlegaste typane Code Optimisation

  • Dead Code Elimination

  • Constant Propagation

  • Constant Folding

  • Loop Unrolling

  • Loop-Invariant Code Motion (LICM)


34
New cards

Constant Propagation

ein type code optimisation der variablar med konstante verdiar blir erstatta når compileren veit kva verdien er:


int a = 5;
int b = a + 3;
int a = 5;
int b = 5 + 3;


35
New cards

Constant Folding

ein type code optimisation der uttrykk med konstatne verdiar blir rekna ut under kompilering, i staden for når programmet køyrer.


int b = 5 + 3;

int b = 8;


36
New cards

Kva gjer Frontend?

Analyserer kildekoden og kontrollerer at han følger reglane i programmeringsspråket. Omfattar lexing, parsing og semantic analysis.

37
New cards

Lexical Analysis (Lexing)

Prosessen der kildekoden blir delt opp i mindre delar, kalla tokens.


38
New cards

Kva gjer Middle-end?

Analyserer og optimaliserer programmet ved hjelp av Intermediate Representation (IR), utan å endre funksjonaliteten.

39
New cards

Analysis Pass VS Transformation Pass

Analysis Pass – Undersøker koden og samlar informasjon utan å endre han.

Transformation Pass – Endrar koden for å optimalisere han eller gjere vidare optimalisering enklare.


40
New cards

Kva gjer Backend?

Omset den optimaliserte IR-koden til maskinspesifikk kode gjennom code generation, instruction selection og register allocation.

41
New cards

Instruction Selection

Prosessen der compileren vel eigna maskininstruksjonar frå prosessoren sitt instruksjonssett (ISA).


42
New cards

Register Allocation

Prosessen der compileren bestemmer kva variablar som skal lagrast i CPU-register, for å redusere unødvendige minnetilgangar.

43
New cards

Optimisation Trade-offs

At ei optimalisering kan forbetre éin eigenskap, til dømes execution time, men samtidig forverre andre, som code size eller energiforbruk.

44
New cards

Kva er samanhengen mellom Code Size og Execution Time?

Mindre kode kan gi betre cache-utnytting, medan større kode i nokre tilfelle kan redusere execution time ved å fjerne overhead eller gjere instruksjonar meir effektive.

45
New cards

Korleis kan Compiler Optimisation påverke Energy Efficiency?


Optimalisering kan redusere antall instruksjonar, minnetilgangar og execution time, slik at programmet potensielt bruker mindre energi.

46
New cards

Program Analysis

Når compileren undersøker eigenskapane til programmet, til dømes dataflyt og variabelbruk, for å finne moglegheiter for optimalisering.

47
New cards

Kva er målet med Code Optimisation?

Å forbetre programmet sin performance, code size eller energy efficiency utan å endre den tilsikta funksjonaliteten.

48
New cards

Korleis auke performance?

  • Fjerne unødvendige berekningar og instruksjonar

  • Redusere antall minnetilgangar

  • Optimalisere loops for å redusere køyretida

  • Utnytte CPU-register meir effektivt


49
New cards

Korleis redusere code size?

  • Fjerne ubrukt kode (dead code elimination)

  • Redusere antall instruksjonar

  • Unngå unødvendig duplisering av kode

  • Erstatte berekningar med konstante verdiar (Constant Folding)


50
New cards

Korleis auke energy efficiency?

  • redusere antall unødvendige operasjonar

  • redusere minnetilgangar som krev energi

  • redusere køyretida slik at prosessoren kan bli ferdig tildegare

  • utnytte maskinvareressursane meir effektivt


51
New cards

Fordeler med Dead Code Elimination

  • Reduserer Code Size ved å fjerne unødvendig kode.

  • Kan forbetre Performance ved å redusere talet på instruksjonar.

  • Kan redusere energiforbruket.


52
New cards

Ulempe med Dead Code Elimination

Har liten effekt dersom programmet inneheld lite ubrukt kode.

53
New cards

Fordelar med Constant Propagation

  • Erstatter variablar med kjende verdiar.

  • Gjer det mogleg å utføre fleire optimaliseringar, spesielt Constant Folding.

  • Kan redusere unødvendige operasjonar.


54
New cards

Ulempar med Constant Propagation

Kan berre brukast når compileren kan fastslå verdien til variabelen.

55
New cards

Fordelar med Constant Folding

  • Reduserer berekningar under kjøretid.

  • Kan forbetre Performance og redusere energiforbruket.

  • Kan redusere talet på instruksjonar.


56
New cards

Ulemper med Constant Folding

  • Kan berre brukast når uttrykka kan reknast ut under kompilering.

  • Gir liten effekt dersom programmet har få konstante uttrykk.


57
New cards

Fordelar med Loop Unrolling

  • Reduserer Loop Overhead, fordi løkkebetingelsen blir kontrollert færre gongar.

  • Kan forbetre Performance ved å redusere talet på instruksjonar knytte til løkkekontroll.

  • Gir fleire moglegheiter for parallell utføring av instruksjonar.


58
New cards

Ulemper med loop unrolling


  • Kan auke Code Size, fordi kode blir gjenteken.

  • Større kode kan føre til fleire Instruction Cache Misses.

  • Kan auke registerbruken.


59
New cards

Fordelar med Loop-Invariant Code Motion (LICM)

  • Flyttar berekningar som ikkje endrar seg, ut av loopar.

  • Reduserer unødvendige berekningar.

  • Kan forbetre Performance og redusere energiforbruket.


60
New cards

Ulempar med Loop-Invariant Code Motion (LICM)

  • Kan auke registerbruken fordi resultat må lagrast over fleire iterasjonar.

  • Kan berre utførast når det er trygt å flytte berekninga utan å endre funksjonaliteten.


61
New cards

fordelar med Intermediate Representation (IR)

  • Gjer optimalisering enklare.

  • Gjer optimaliseringar maskinuavhengige.

  • Same optimaliseringar kan brukast for fleire programmeringsspråk.

  • Gjer det enklare å støtte fleire prosessorarkitekturar.


62
New cards

ulempar med Intermediate Representation (IR)

  • Ekstra steg i kompileringa.

  • Kan auke kompileringstida.

  • Kan miste informasjon som er nyttig for spesialiserte optimaliseringar.


63
New cards

fordelar med function inlining

  • Fjernar overhead frå funksjonskall.

  • Kan gi raskare eksekvering.

  • Opnar for fleire optimaliseringar.

  • Kan redusere kodestorleiken for små funksjonar.


64
New cards

Overhead

ekstra arbeid eller ressursbruk som er nødvendig for å utføre ei oppgåve, men som ikkje bidreg direkte til sjølve resultatet.

65
New cards

Eksekvering

det betyr at datamaskina køyrer eit program ved å utføre instruksjonane i koden.

66
New cards

ulempar med function inlining

  • Kan auke kodestorleiken.

  • Kan gi fleire instruction cache misses.

  • Større minnebehov.

  • Kan auke kompileringstida.


67
New cards

Fordelar med Loop Invariant Code Motion (LICM)

  • Flyttar uendra berekningar ut av loopar.

  • Reduserer unødvendige berekningar.

  • Kan gi raskare eksekvering.

  • Kan redusere energiforbruket.


68
New cards

Ulempar med Loop Invariant Code Motion (LICM)

  • Ikkje alle berekningar kan flyttast trygt.

  • Kan auke registerbruken.

  • Krev analyse av avhengigheiter og sideeffektar.


69
New cards

fordelar med mindre kode

  • Mindre minnebehov.

  • Betre utnytting av instruction cache.

  • Kan redusere cache misses.


70
New cards

ulempar med mindre kode

  • Kan gi lengre eksekveringstid.

  • Kan krevje fleire funksjonskall eller loop-iterasjonar.


71
New cards

fordelar med raskare kode

  • Kortare eksekveringstid.

  • Kan redusere energiforbruket.

  • Betre for tidskritiske system.


72
New cards

ulempar med raskare kode

  • Kan auke kodestorleiken.

  • Kan gi fleire instruction cache misses.

  • Kan krevje meir minne.


73
New cards

Kva optimaliseringsteknikkane er brukt i dette emnet?

  1. Function inlining

  2. Loop unrolling

  3. Loop Invariant Code Motion (LICM)

  4. Dead Code Elimination (DCE)

  5. Constant folding

  6. Constant propagation

  7. Vectorization


74
New cards

Vectorization

Ein optimaliseringsteknikk som bruker SIMD (Single Instruction, Multiple Data) til å utføre same operasjon på fleire dataverdiar samtidig

75
New cards

SIMD (Single Instruction, Multiple Data)

ein type parallell prosessering der éin instruksjon utfører same operasjon på fleire dataverdiar samtidig.

76
New cards

Parallell prosessering

det betyr at fleire operasjonar eller berekningar blir utførte samtidig, i staden for éin etter éin.

77
New cards

Vektorregister

Eit register i prosessoren som kan lagre fleire dataverdiar samtidig, til dømes fire 32-bits heiltal.

78
New cards

Vektorinstruksjon

Ein instruksjon som utfører same operasjon på fleire verdiar i vektorregister samtidig.

79
New cards

Fordelar med Vectorization

  • Raskare eksekvering.

  • Fleire dataoperasjonar blir utførte samtidig.

  • Reduserer antalet instruksjonar.

  • Betre utnytting av prosessoren.

  • Kan redusere energiforbruket.


80
New cards

Ulempar med Vectorization: