Oszacowanie wydajności optymalizacji przy wykorzystaniu liniowej reprezentacji pośredniej kodu

• Autorzy: Olshevskyy Y. , Piórkowski A.

Identyfikatory

DOI

10.21936/si2018_v39.n1.842

Warianty tytułu

Optimization efficiency assessment using linear intermediate representation

• Języki publikacji: PL

Abstrakty

PL

Oszacowanie wydajności optymalizacji przy wykorzystaniu liniowej reprezentacji pośredniej kodu Streszczenie. W niniejszej pracy omówiono i porównano dwie reprezentacje pośrednie kodu. Szczególny nacisk położono na liniową reprezentację pośrednią w kontekście maszyny wirtualnej Mono. Przedstawiono wybrane metody optymalizacji kodu i pokazano wpływ poszczególnych reprezentacji pośrednich na kwestie wydajności wykonania i rozmiaru kodu.

EN

The two intermediate representations are discussed and broadly compared. Particular emphasis has been placed on linear intermediate representation using Mono Virtual Machine. Selected code optimization methods are presented and the impact of several intermediate representations is examined considering execution performance and generated native code size.

Słowa kluczowe

PL

liniowa reprezentacja pośrednia; reprezentacja pośrednia kodu; optymalizacja kodu; maszyna wirtualna

EN

linear intermediate representation; intermediate representation; code optimization; virtual machine

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2018
• Tom: Vol. 39, nr 1
• Strony: 113--125
• Opis fizyczny: Bibliogr. 18 poz.

Twórcy

autor

Olshevskyy Y.

• AGH Akademia Górniczo-Hutnicza, Wydział Geologii, Geofizyki i Ochrony Środowiska, Katedra Geoinformatyki i Informatyki Stosowanej, al. Mickiewicza 30, 30-059 Kraków

autor

Piórkowski A.

• AGH Akademia Górniczo-Hutnicza, Wydział Geologii, Geofizyki i Ochrony Środowiska, Katedra Geoinformatyki i Informatyki Stosowanej, al. Mickiewicza 30, 30-059 Kraków

Bibliografia

• 1. Ganapathi M., Fisher C., Scalpone S., Thompson K.: Linear Intermediate Representation for Portable Code Generation. University of Wisconsin-Madison, Computer Sciences Department, 1981.
• 2. Aho A., Sethi R., Ullman J.: Compilers: Priciples, Techniques & Tools. 2nd edition, Addison Wesley, 2006.
• 3. Mucknick S.: Advanced Compiler Design Implementation. Morgan Kaufmann, 1997.
• 4. http://tirania.org/blog/archive/2012/Apr-04.html, dostęp 29.10.2017.
• 5. Piórkowski A., Żupnik M.: Loop Optimization in Managed Code Environments with Expressions Evaluated Only Once. Task Quarterly, Vol. 14(4), 2010, s. 397÷404.
• 6. Kras S., Piórkowski A.: Optymalizacja kodu przy wykorzystaniu algorytmu SSA w środowiskach maszyn wirtualnych. Studia Informatica, Vol. 37(1), 2016, s. 97÷111.
• 7. Lattner C.A. LLVM: An Infrastructure For Multi-Stage Optimization. University of Illinois at Urbana-Champaign, 2002.
• 8. http://www.mono-project.com/docs/advanced/runtime/docs/linear-ir, dostęp: 02.12.2017.
• 9. http://www.go-mono.com/meeting06/MonoSummit2006-JIT.pdf, dostęp: 27.11.2017.
• 10. http://www.go-mono.com/meeting06/OpeningPresentation.pdf, dostęp: 29.10.2017.
• 11. http://www.compileroptimizations.com, dostęp: 29.10.2017.
• 12. https://lists.dot.net/pipermail/mono-devel-list/2008-July/028697.html, dostęp: 05.12.2017.
• 13. https://msdn.microsoft.com/en-us/library/system.environment.tickcount(v=vs.110) .aspx, dostęp: 27.11.2017.
• 14. https://msdn.microsoft.com/en-us/library/windows/desktop/aa384219(v=vs.85).aspx, dostęp: 27.11.2017.
• 15. https://download.mono-project.com/sources/mono/mono-2.0.tar.bz2, dostęp: 29.11.2017.
• 16. https://download.mono-project.com/sources/mono/mono-2.2.tar.bz2, dostęp: 29.11.2017.
• 17. http://www.mono-project.com/docs/about-mono/releases, dostęp: 09.12.2017.
• 18. http://ssw.jku.at/General/Staff/TW/igv.html, dostęp: 09.12.2017.