Profile Guided Optimization (PGO) 初探 [Clang 篇]

前言

上一篇我们看了 GCC 的 PGO，是时候来看看 Clang 啦！
源程序和编译参数都和 GCC 的一样，clang 的 wrapper 做的还是很好的！

clang version 10.0.0-4ubuntu1 
Target: x86_64-pc-linux-gnu
Thread model: posix

看一下段

话不多说，我们直接 IDA 启动：

可以发现，多了几个段，顾名思义即可。相比之下，GCC 就不会多出来段，全部都混在一起非常难搞。

参考 Clang文档 ，看一下每个段的数据：

__llvm_prf_cnts 这个段就全部都是计数器。

__llvm_prf_data 这个段主要是一些元数据。多编译一个单元，可以得到更多一份，这样就有规律可循：

#include <stdio.h>

void mm(){
    puts("BBB");
}

void m(){ puts("CC");}

可以知道每个函数对应一个块，每个块具有如下结构：

struct meta_t {
  char header[12];
  uint32_t some_nums; // 和函数行数有关
  void* ptr_to_cnt_start;
  void* func;
  void* reserved;
  uint64_t num_cnts;
};

__llvm_prf_names这个段主要提供了名称信息，在实际的 profdata 中通常是被复制写入的。
根据文档的意思，数据是 zlib 压缩的，我们用 CyberChef 梭一下：

可以看到是存储了函数名称。

另外注意到其后有一个 LOAD 段，这只是个 padding，不需要考虑。

然后是 __llvm_prf_vnds 这个段，全部都是 0，长度是 0x6000，即便多编译单元其长度也不变，暂不明确用途。

反编译

启用 profile 生成

int __cdecl main(int argc, const char **argv, const char **envp)
{
  int v3; // ebx
  __int64 v4; // rsi
  __int64 v5; // rcx
  __int64 v6; // rcx

  ++qword_40A1D0;
  v3 = strtol(argv[1], 0LL, 10);
  if ( (int)strtol(argv[2], 0LL, 10) <= 0 )
  {
    if ( v3 >= 3 )
    {
      v4 = 2LL;
      v6 = 0LL;
      while ( v3 % (int)v4 )
      {
        v4 = (unsigned int)(v4 + 1);
        if ( -(__int64)(unsigned int)(v3 - 2) == --v6 )
        {
          qword_40A1C8 += (unsigned int)(v3 - 3) + 1LL;
          goto LABEL_12;
        }
      }
      qword_40A1C8 -= v6;
      ++qword_40A1E0;
      goto LABEL_15;
    }
LABEL_12:
    ++_start___llvm_prf_cnts;
  }
  else if ( v3 >= 3 )
  {
    v4 = 2LL;
    v5 = 0LL;
    while ( v3 % (int)v4 )
    {
      v4 = (unsigned int)(v4 + 1);
      if ( -(__int64)(unsigned int)(v3 - 2) == --v5 )
      {
        qword_40A1C0 += (unsigned int)(v3 - 3) + 1LL;
        return 0;
      }
    }
    qword_40A1C0 -= v5;
    ++qword_40A1D8;
LABEL_15:
    printf("%i", v4);
  }
  return 0;
}

常规编译

int __cdecl main(int argc, const char **argv, const char **envp)
{
  int v3; // ebx
  __int64 v4; // rsi

  v3 = atoi(argv[1]);
  if ( atoi(argv[2]) <= 0 )
  {
    if ( v3 >= 3 )
    {
      v4 = 2LL;
      while ( v3 % (int)v4 )
      {
        v4 = (unsigned int)(v4 + 1);
        if ( v3 == (_DWORD)v4 )
          return 0;
      }
      goto LABEL_12;
    }
  }
  else if ( v3 >= 3 )
  {
    v4 = 2LL;
    while ( v3 % (int)v4 )
    {
      v4 = (unsigned int)(v4 + 1);
      if ( v3 == (_DWORD)v4 )
        return 0;
    }
LABEL_12:
    printf("%i", v4);
  }
  return 0;
}

不难发现 clang 的默认优化都比 GCC 要激进一些。对比起来，Clang 没有生成关于间接调用追踪的代码，函数体内的插桩全部都是简单的加减法；而且插桩倾向于在基本块靠后的位置。插桩后似乎又进行了一次优化才生成的机器码，导致看起来稍显费劲。

测试和调优

还是按照 GCC 篇中的办法，使用 10201 1 参数运行一次，得到一个名字很长的文件：

-rwxrwxrwx 1 wsl wsl 192 Apr  6 11:03 default_15822678452419286522_0.profraw

这个是原始文件，要用它来调优，我们还需要做格式转换。

llvm-profdata-10 merge -o=default.profdata default_15822678452419286522_0.profraw

这将从原始数据合并出来一个 default.profdata 供 Clang PGO 优化使用。

随后，

clang -Og -fprofile-use test.c -o test_clang_pguse

得到优化后的程序。

很不幸的是，我们并没有观测到任何的变化，反编译的代码仍然是：

int __cdecl main(int argc, const char **argv, const char **envp)
{
  int v3; // ebx
  __int64 v4; // rsi

  v3 = strtol(argv[1], 0LL, 10);
  if ( (int)strtol(argv[2], 0LL, 10) <= 0 )
  {
    if ( v3 >= 3 )
    {
      v4 = 2LL;
      while ( v3 % (int)v4 )
      {
        v4 = (unsigned int)(v4 + 1);
        if ( v3 == (_DWORD)v4 )
          return 0;
      }
      goto LABEL_12;
    }
  }
  else if ( v3 >= 3 )
  {
    v4 = 2LL;
    while ( v3 % (int)v4 )
    {
      v4 = (unsigned int)(v4 + 1);
      if ( v3 == (_DWORD)v4 )
        return 0;
    }
LABEL_12:
    printf("%i", v4);
  }
  return 0;
}

即使我们重新以 -O3 编译也一样无法起效。看来，Clang 的默认优化就已经做的很好？

挺无奈的。。。