程序分析与优化9附录XLA的缓冲区指派

本章是系列文章的案例学习，不属于正篇，主要介绍了TensorFlow引入的XLA的优化算法。XLA也有很多局限性，XLA更多的是进行合并，但有时候如果参数特别多的场景下，也需要进行分割。XLA没有数据切分的功能。当前最主流的编译器领域的编译优化功能还是mlir。

本文中的所有内容来自学习DCC888的学习笔记或者自己理解的整理，如需转载请注明出处。周荣华@燧原科技

9.1 什么是XLA

XLA是Accelerated Linear Algebra的简称。

第一次看到Accelerated被简称为X的时候，有点奇怪，因为Accelerated里面可没有一个字母是X，但Accelerated的发音和X相同，这样简化之后可以避免一个简写中存在多个A的不协调，XLA读起来确实比ALA朗朗上口一点:)

XLA - TensorFlow, compiled. Mar. 6th, 2017
XLA是一种编译线性代数领域相关的编译器，主要用来加速TensorFlow的模型优化和目标代码生成
除了TensorFlow外，XLA也可以用在多种前端中，包括TensorFlow，Pytorch, JAX, Julia和Nx
XLA的功能设计上其实与target arch无关的，所以也可以支持多种后端：CPU，GPU或者其他硬件

在2017年XLA诞生的时候，那时给出的帧处理加速数据如下：

带来相应加速效果的主要因素是通过分析和调度内存使用，删除了一些中间表达的存储缓存，其中一个主要的方法就是缓冲区指派算法，也就是本文主要准备描述的。

XLA的设计理念是一种近似SSA的中间表达：

变量只能被初始化（除了初始化，不能额外修改）
更短的生命周期
清晰的Def-Use链

XLA: Optimizing Compiler for Machine Learning | TensorFlow中有个油管视频详细讲解了XLA的原理，通过这个也可以理解一下TensorFlow的原理：

tf.function → tf2xla桥 → 优化前的xla hlo → xla的一些列优化 → 优化后的hlo → 可执行binary → tf2xla桥 → tf runtime → target arch上执行

9.2 静态内存分配分析

9.2.1 为什么可以做分析

静态计算图本身的特性
张量在执行阶段只会使用固定的内存空间
静态计算图在执行前就可以静态推断

9.2.2 静态内存分析的优势

为算子提供通用的内存分配
重用前面算子的内存，减少重新分配和拷贝过程
减少额外的碎片和内存管理

9.2.3 静态内存分析的局限性

仅针对静态计算图有效

9.3 缓冲区管理的目标

尽可能重用内存
当内存不足以完成任务时报错

缓冲区定义：每个算子定义一个缓冲区

缓冲区申请、支配原则：

在生命周期上不相互干扰的缓冲区可以使用相互覆盖的内存
如果缓冲区和其他内存都冲突，需要重新申请内存并指派给它
所有申请的内存按组存放

9.4 缓冲区分析（有可以称为别名分析）

缓冲区分析的过程和指针分析的过程有很多类似的地方，所以很多地方又称为别名分析。

一个IR需要定义≥1个逻辑缓冲区

用{def, {}} 来定义一个缓冲区

缓冲区{b, {}} 和 {b, {1}}可以相互覆盖

来自不同IR的逻辑缓冲区可以复用同一块内存

例如对下面的伪代码，可以知道d和b是别名关系，因为它们指向同一片内存：

9.4.1 定义所有指令的所有逻辑缓冲区

按拓扑顺序遍历（选择什么顺序？逆后根排序）计算图，为每个指令分配缓冲区，例如上面的伪代码，生成缓冲区如下：

1 Buffer(a, {}) : [ (a, {}) ]
2 Buffer(b, {}) : [ (b, {}) ]
3 Buffer(c, {}) : [ (c, {})]

9.4.2 HLO内部的别名分析后的结果

1 Buffer(a, {}) : [ (c, {0}), (a, {}) ]
2 Buffer(b, {}) : [ (c, {1}), (b, {}) , (d, {}) ]
3 Buffer(c, {}) : [ (c, {})]

9.4.3 跨HLO的别名分析

基于近似SSA的HLO语法定义，编译过程变得简单了很多（SSA化是很多编译中的主要工作）

9.4.4 基于上面伪代码的生命周期干扰分析

从下面生成的图来看，a和b互相干扰，不能公用缓冲区，e理论上是d的拷贝别名，所以和b也是别名关系。和寄存器分配不同的是，考虑到多线程执行场景，不同流中要用到的缓冲区不能分配到同一个组，所以a/b虽然和e在下面的计算图中没有干扰，但由于e是后面HLO的输入，所有e不能和当前计算图中的任意一个缓冲形成别名关系。