企业官网建设流程全解析

本篇技术指南围绕 Trail of Bits 在 EuroLLVM 2024 上的演讲《Repurposing LLVM analyses in MLIR: Also there and back again across the Tower of IRs》展开，核心讲解如何在不重写 LLVM 既有分析工具的前提下，把它们无缝复用到 MLIR 生态：通过一条贯穿 Clang AST、VAST 各层 MLIR 与 LLVM IR 的 "IR 之塔"（Tower of IRs），借助逐层快照与 provenance（溯源）链接建立双向映射，最终把 LLVM 分析结论直接关联回任意 MLIR dialect。读者读完可掌握 "快照 + 位置映射" 的核心机制、vast-front/opt的完整降级流水线实操，以及依赖分析结果如何跨层回溯到高层 MLIR 与源代码。

一、问题背景：LLVM 分析的遗产与 MLIR 的断层

LLVM IR 沉淀了二十余年丰富而成熟的分析工具链：依赖分析（dependence analysis）、别名分析、循环优化、数据流分析等等。但伴随 MLIR 的兴起，新一代编译器与程序分析工具纷纷转向 MLIR 作为统一基础设施。一个现实问题随之而来：这些宝贵的、经过实战检验的 LLVM 分析，如何在 MLIR 中被继续使用？

理想的答案是"完全不必改动这些分析本身"——原样复用，让 MLIR 直接受益。更进一步，我们还希望将 LLVM IR 上得到的分析结论（例如"这条 store 指令依赖哪条 store"）直接关联回高层的 MLIR dialect，甚至关联回源代码行。这正是本演讲要解决的问题，而解决方案就是演讲标题中的 "Tower of IRs"。

二、主角 VAST：以程序分析为目标的 MLIR 编译器

要理解 Tower of IRs，首先要认识它的载体——VAST（Verified/Analysis-oriented Static Toolkit），一个基于 MLIR 的、面向程序分析的 C/C++ 编译器。VAST 的定位可从两点概括（见 VAST 演讲 README）：

• 传统编译器只输出一层 IR，而程序分析恰恰需要"同时看到代码的多种进展形态"——从非常高层的抽象到非常低层的机器相关表示；
• LLVM IR 对程序分析而言"很少是最佳表示"，因为它丢失了大量高层语义（类型信息、控制流结构、对象边界等）。

VAST 的设计目标（见本次演讲幻灯片）：

• 在从 Clang AST 到 LLVM IR 的路径上逐级表示代码的演化；
• 尽可能保留信息（不做激进的丢弃型降级）；
• 允许构建新的程序抽象，而不被某一种 IR 锁定。

从管线结构看，VAST 一端是 Clang 生成的 AST，另一端是 LLVM IR，中间则是多层 MLIR 表示：High Level MLIR、Mid Level MLIR、Low Level MLIR，以及最接近 LLVM 的 LLVM MLIR（即llvmdialect 模块）。VAST 的目标是把这条完整的降级路径全部用 MLIR 表达出来——这也为"分析结论跨层映射"提供了物理基础。

三、Tower of IRs：核心思想

Tower of IRs 是本演讲提出的核心概念，幻灯片给出了三个视角：

1. 自顶向下视图（Top-down view）

以源代码（Clang AST）为塔顶，逐层向下是 VAST High Level MLIR → VAST Mid Level MLIR → VAST Low Level MLIR → LLVM MLIR → LLVM IR。塔的每一层都是 MLIR 的一个快照（snapshot），层与层之间用 provenance 链接（Provenance Links）相连。

2. 自底向上视图（Bottom-up view）

与顶向下视图等价，强调塔内任意相邻两层之间存在双向映射（Bidirectional mapping between MLIR modules）。这意味着你既可以从高层推导低层，也可以从低层追溯回高层。

3. 真实的"多级 IR"（Multi-Level IR）

把上述视图合起来，Tower of IRs 本质上就是一条完整的、带层间映射的多级 IR 链。任何一层上的分析结果，都可以沿着 provenance 链向上或向下"旅行"。

用一句话概括："MLIR Snapshots + Provenance Links = Multi-Level IR"。快照保证每一层都是稳定、可复现的 IR 状态；provenance 链接保证层与层之间的元素（函数、变量、指令）可以相互指认。

四、逐层快照与位置映射：generateLocationsFromIR

层间映射是如何实现的？演讲揭示了一个关键机制：MLIR 的mlir::generateLocationsFromIR工具函数。

这个函数的工作方式如下：

• 给定一份 IR（比如某一层的 MLIR 模块）；
• 把它快照（snapshot）到指定输出流，形成该层稳定文本形态；
• 利用该快照文件内打印出来的位置信息（locations），为元素生成新的 location。

于是，源 MLIR 经过一次 Transform（降级/优化 pass）产生新的 MLIR 后，两个模块之间可以通过"快照文件中的位置"建立起对应关系：低层 IR 中每个操作都带有一个指向其"前世"（上一层快照中对应位置）的 location。这本质上是把 MLIR 内建的Loc（位置）机制当作跨层索引来用。

这套机制意味着：

• 只要各层都保留 location，层间映射就是自动的；
• 不必为每一对相邻层手写专门的翻译表；
• 分析结果只要落在某个操作/值上，就能顺着 location 链回溯。

五、实战：让fun()走一遍 Tower of IRs

演讲用一个极简的 C 函数演示了整条流水线。源代码如下：

void fun() { int a = 2; int b = a + 3; int c = b * 13; }

（示例中常量 2、3、13 取自 OEIS A100424，即对正整数做三次筛法变换得到）

5.1 第一步：从前端生成高层 MLIR

使用vast-front（VAST 的前端驱动工具）生成高层（hl）MLIR：

vast-front -vast-emit-mlir=hl

输出中可以看到变量c的高层表示——类型还是!hl.value<!hl.int>这样的 VAST 高层类型，运算仍是hl.mul这类高级算术操作，且携带loc(source:4)指向源代码第 4 行：

%2 = hl.var "c" : !hl.value<!hl.int> { %4 = hl.ref %1 : !hl.lvalue<!hl.int> %5 = hl.implicit_cast %4 LValueToRValue : !hl.int %6 = hl.const #hl.integer<13> : !hl.int %7 = hl.mul %5, %6 : !hl.int hl.value.yield %7 : !hl.int } loc(source:4)

注意hl.implicit_cast ... LValueToRValue——这是 C 语义中"左值读取"的显式表达，正是 LLVM IR 里会丢失的信息。

5.2 第二步：降级类型（hl → 带具体整型）

用opt（LLVM 的优化器驱动，VAST pass 注册在其中）执行类型降级：

opt -vast-hl-lower-types

!hl.int变成具体的si32（有符号 32 位整数），其余结构不变，location 更新为loc(high-level:15)：

%2 = hl.var "c" : !hl.value<si32> { %4 = hl.ref %1 : !hl.lvalue<si32> %5 = hl.implicit_cast %4 LValueToRValue : si32 %6 = hl.const #hl.integer<13> : si32 %7 = hl.mul %5, %6 : si32 hl.value.yield %7 : si32 } loc(high-level:15)

这个例子也回答了"是否需要每层都做快照"：演讲明确说，对于不改变 MLIR 中关键结构的变换，可以跳过快照，或者对未变化的模块使用恒等映射（identity maps）。快照策略是可以按需裁剪的，不必机械地对每个 pass 都拍一张。

5.3 第三步：ABI 与函数降级

接下来是一组 ABI 相关的 pass：

opt -vast-emit-abi opt -vast-lower-abi opt -vast-hl-to-ll-func

这一步处理函数签名、调用约定与 ABI 层语义，为进入 low level 表示做准备。

5.4 第四步：变量与控制流降级

opt -vast-hl-to-ll-vars

hl.var开始变为lldialect 的显式变量操作：ll.uninitialized_var、ll.initialize等，运算类型变成(si32, si32) -> si32：

%9 = ll.uninitialized_var : !hl.lvalue<si32> %10 = hl.ref %8 : !hl.lvalue<si32> %11 = hl.implicit_cast %10 LValueToRValue : si32 %12 = hl.const #hl.integer<13> : si32 %13 = hl.mul %11, %12 : (si32, si32) -> si32 %14 = ll.initialize %9, %13 loc(hl-to-ll-func:21)

随后是控制流与区域（region）降级：

opt -vast-hl-to-ll-cf opt -vast-hl-to-lazy-regions opt -vast-hl-to-ll-geps

hl-to-lazy-regions处理 C 的作用域/复合语句在 MLIR region 中的惰性表示，hl-to-ll-geps则生成与指针运算（GEP）对应的地址计算。

5.5 第五步：值类别降级（引入内存操作）

opt -vast-hl-lower-value-categories

这里把 C 的值类别（左值/右值）语义落实为真正的内存操作——出现ll.alloca、ll.load、ll.store：

%6 = ll.alloca : !ll.ptr<si32> %7 = ll.load %2 : si32 %8 = hl.const #hl.integer<13> : si32 %9 = hl.mul %7, %8 : (si32, si32) -> si32 ll.store %6, %9 loc(hl-to-ll-geps:15)

注意 location 此时已经指向hl-to-ll-geps:15，而不是源代码行——location 记录的是"在塔中哪一层、哪个位置生成"，这正是跨层索引的凭证。

5.6 第六步：落到 LLVM dialect

-vast-to-llvm

转换到标准llvmdialect：

%8 = llvm.mlir.constant(1 : index) %9 = llvm.alloca %8 x i32 %10 = llvm.load %4 %11 = llvm.mlir.constant(13 : i32) %12 = llvm.mul %10, %11 llvm.store %12, %9 loc(hl-lower-value-categories:15)

5.7 第七步：生成 LLVM IR

最终得到标准 LLVM IR，与 Clang 传统编译产物形态一致：

define void @fun() { %1 = alloca i32, i64 1, align 4 store i32 2, ptr %1, align 4 %2 = alloca i32, i64 1, align 4 %3 = load i32, ptr %1, align 4 %4 = add i32 %3, 3 store i32 %4, ptr %2, align 4 %5 = alloca i32, i64 1, align 4 %6 = load i32, ptr %2, align 4 %7 = mul i32 %6, 13 store i32 %7, ptr %5, align 4 ret void }

至此，塔顶的hl.var "b"一路变成了塔底的alloca/store序列。而整个过程中保留的 location 链，让这些看似"脱胎换骨"的指令依然能指认回它们的源头。

5.8 VAST 主要 pass 一览

演讲还给出了 VAST 内置 pass 的全景清单，按职责可分为几组：

• ABI 相关：emit-abi、lower-abi、fn-args-to-alloca
• 高层语义降级：hl-to-ll-vars、hl-to-ll-cf、hl-to-lazy-regions、hl-to-ll-geps、hl-to-ll-func、splice-trailing-scopes
• 类型与内建处理：hl-lower-elaborated-types、hl-lower-typedefs、hl-to-std-types、hl-to-hl-builtin
• 清理与优化：hl-dce（死代码消除）、hl-lower-value-categories
• 最终出口：to-llvm

六、回程：依赖分析结果如何"Walk back the Tower"

Tower of IRs 的杀手级应用是：在 LLVM IR 层运行经典分析，再把结论映射回高层。

演讲以依赖分析（dependence analysis）为例。在 LLVM IR 层，依赖分析会得出诸如store i32 %4, ptr %2与%3 = load i32, ptr %1之间的依赖关系。这个结论本身只能落在 LLVM IR 的指令上，对使用高层 dialect 的分析者意义有限。

但借助塔结构，可以沿 provenance 链逐层回溯（Walk back the Tower of IRs）：

1. LLVM IR 层：store i32 %4, ptr %2
2. LLVM dialect 层：llvm.store %7, %4
3. Low level VAST 层：%8 = ll.initialize %3, %7
4. High level VAST 层：%1 = hl.var "b" : si32 = { ... hl.value.yield %7 : si32 }
5. 回到最原始的高层类型表示：%1 = hl.var "b" : !hl.lvalue<!hl.int>
6. 最终对应到源代码：int b = a + 3;

于是，一条 LLVM IR 的依赖边被"翻译"成了源代码层面的数据依赖："b的初始化依赖a的读取"。这正是幻灯片标题 "Also there and back again"（出自托尔金《霍比特人》的梗）的含义——分析可以从塔顶走下去到 LLVM，也能带着结论走回塔顶。

跨层收集依赖（Gather dependencies across layers）的意义在于：高层分析（如检测未初始化变量、类型混淆、对象生命周期问题）不再需要自己在 LLVM IR 上重写一遍依赖算法，而是直接复用 LLVM 现成的、经过验证的实现。

七、方法的通用性与使用边界

演讲在最后强调了这套方法的通用性：快照 + 位置映射的思路不仅适用于 VAST，其他 MLIR 工具链同样可以借鉴——只要你的降级流水线保留 location，并定期对关键状态做快照，就能建立跨层索引。

同时演讲也给出了明确的注意事项：

• 警惕变换的激进程度（aggressiveness）：过于激进的变换（如大规模内联、常量折叠、内存重排、删除中间值）会破坏元素之间的对应关系，导致跨层链接失败（hinder cross-layer linking）；
• 因此，在构建这种"可回溯"流水线时，应保守地选择哪些 pass 允许改写结构，对会破坏 provenance 的优化予以抑制或延后。

这与 VAST "尽量保留信息"的总体设计目标一脉相承——分析型编译器与优化型编译器的取舍完全不同。

八、体验与延伸

• 本场演讲的完整幻灯片见 slides.pdf，录制视频为 EuroLLVM 2024（2024-04-10，演讲者 Henrich Lauko）；
• 演讲中提到 VAST 目前已在 Compiler Explorer（godbolt）上提供单层MLIR 的在线试玩，Tower 的多层形态"soon"（即将上线）——可以推断多层在线体验属于后续规划；
• 背景知识可参见同仓库的 VAST: MLIR for program analysis of C/C++ 演讲（LLVM Dev Meeting 2022），以及 MLIR is the future of program analysis 等材料，它们共同构成了 VAST 系列演讲的完整叙事。

结语

Tower of IRs 提供了一种务实而优雅的路径，让 MLIR 生态不必"推倒重来"：保留 LLVM 二十年积累的分析资产，通过逐层快照 + provenance 链接把新旧世界连接起来。分析者既可以在 LLVM IR 上运行成熟的依赖分析、别名分析，又能把结论精确地映射回高层 MLIR dialect 乃至源代码——真正做到"there and back again"。而这一切的关键约束只有一个：在降级过程中善待你的 location。