本期文章为在MoonBit中实现惰性求值的第三篇。在上一篇中，我们了解了let表达式的编译方法以及如何实现基本的算术比较操作。这一篇文章中，我们将实现一种基于上下文的优化方法，并添加对数据结构的支持。
追踪上下文
回顾一下我们之前实现primitive的方法：
let compiledPrimitives : List[(String, Int, List[Instruction])] = List::[// 算术("add", 2, List::[Push(1), Eval, Push(1), Eval, Add, Update(2), Pop(2), Unwind]),("sub", 2, List::[Push(1), Eval, Push(1), Eval, Sub, Update(2), Pop(2), Unwind]),("mul", 2, List::[Push(1), Eval, Push(1), Eval, Mul, Update(2), Pop(2), Unwind]),("div", 2, List::[Push(1), Eval, Push(1), Eval, Div, Update(2), Pop(2), Unwind]),// 比较("eq", 2, List::[Push(1), Eval, Push(1), Eval, Eq, Update(2), Pop(2), Unwind]),("neq", 2, List::[Push(1), Eval, Push(1), Eval, Ne, Update(2), Pop(2), Unwind]),("ge", 2, List::[Push(1), Eval, Push(1), Eval, Ge, Update(2), Pop(2), Unwind]),("gt", 2, List::[Push(1), Eval, Push(1), Eval, Gt, Update(2), Pop(2), Unwind]),("le", 2, List::[Push(1), Eval, Push(1), Eval, Le, Update(2), Pop(2), Unwind]),("lt", 2, List::[Push(1), Eval, Push(1), Eval, Lt, Update(2), Pop(2), Unwind]),// 杂项("negate", 1, List::[Push(0), Eval, Neg, Update(1), Pop(1), Unwind]),("if", 3, List::[Push(0), Eval, Cond(List::[Push(1)], List::[Push(2)]), Update(3), Pop(3), Unwind])
]
这样的实现引入了很多Eval指令，但它们未必总是用得上。例如：
(add 3 (mul 4 5))
add的两个参数在执行Eval之前就已经是WHNF, 这里的Eval指令是多余的。
一种可行的优化方法是在编译表达式时注意其上下文。例如，add需要它的参数被求值成WHNF，那么它的参数在编译时就处于严格(Strict)上下文中。通过这种方式，我们可以识别出一部分可以安全地按照严格求值进行编译的表达式(仅有一部分)
-
一个超组合子定义中的表达式处于严格上下文中
-
如果
(op e1 e2)处于严格上下文中(此处op是一个primitive)，那么e1和e2也处于严格上下文中 -
如果
(let (.....) e)处于严格上下文中，那么e也处于严格上下文中(但是前面的局部变量对应的表达式就不是，因为e不一定需要它们的结果)
我们用函数compileE实现这种严格求值上下文下的编译，它所生成的指令可以保证栈顶地址指向的值一定是一个WHNF。
首先对于默认分支，我们仅仅在compileC的结果后面加一条Eval指令
append(compileC(self, env), List::[Eval])
常数则直接push
Num(n) => List::[PushInt(n)]
对于let/letrec表达式，之前特意设计的compileLet和compileLetrec便起到用处了，编译一个严格上下文中的let/letrec表达式只需要用compileE编译其主表达式即可
Let(rec, defs, e) => {if rec {compileLetrec(compileE, defs, e, env)} else {compileLet(compileE, defs, e, env)}
}
if和negate的参数数量分别为3、1， 需要单独处理。
App(App(App(Var("if"), b), e1), e2) => {let condition = compileE(b, env)let branch1 = compileE(e1, env)let branch2 = compileE(e2, env)append(condition, List::[Cond(branch1, branch2)])
}
App(Var("negate"), e) => {append(compileE(e, env), List::[Neg])
}
基础的二元运算则可以通过查表统一处理, 首先构建一个叫做builtinOpS的哈希表，它允许我们通过primitive的名字查询对应指令。
let builtinOpS : RHTable[String, Instruction] = {let table : RHTable[String, Instruction] = RHTable::new(50)table["add"] = Add table["mul"] = Multable["sub"] = Subtable["div"] = Divtable["eq"] = Eqtable["neq"] = Netable["ge"] = Ge table["gt"] = Gttable["le"] = Letable["lt"] = Lttable
}
其余处理则没有太多区别。
App(App(Var(op), e0), e1) => {match builtinOpS[op] {None => append(compileC(self, env), List::[Eval]) // 不是primitive op, 走默认分支Some(instr) => {let code1 = compileE(e1, env)let code0 = compileE(e0, argOffset(1, env))append(code1, append(code0, List::[instr]))}}
}
大功告成了吗？好像是的，不过，除了整数，其实还有另外一种WHNF: 偏应用(partial application)的函数
所谓偏应用，就是指参数数量不足。这种情况常见于高阶函数，例如
(map (add 1) listofnumbers)
这里的(add 1)就是一个偏应用.
要让新的编译策略产生的代码不出问题，我们还得修改Unwind指令关于NGlobal分支的实现。在参数数量不足且dump中有保存的栈时，只保留原本的redex并且还原栈。
NGlobal(_, n, c) => {let k = length(self.stack)if k < n {match self.dump {Nil => abort("Unwinding with too few arguments")Cons((i, s), rest) => {// a1 : ...... : ak// ||// ak : s// 保留redex, 还原栈self.stack = append(drop(self.stack, k - 1), s)self.dump = restself.code = i}}} else {......}
}
这种基于上下文的严格性分析技术很有用，但是碰上超组合子调用就什么都做不了了。在此处我们简单介绍一下一种基于布尔运算的严格性分析，它可以分析出对于某个超组合子的调用，哪些参数应该使用严格模式编译。
我们首先定义一个概念：bottom，它是一个概念上代表永不停机/异常的值。对于超组合子f a[1] ...... a[n], 如果有一个参数a[i]满足a[i] = bottom则f a[1] .... a[i] .... a[n] = bottom(其他参数都不是bottom)，那说明无论f的内部控制流如何复杂，想调用它得到结果一定是需要参数a[i]的，它应该严格求值。
不符合这个条件也不一定是完全不需要，可能只在某个分支中使用了，具体用不用要运行时决定。这种参数是典型的应该惰性求值的例子。
让我们把bottom看作false, 非bottom的值看做true, 这样一来所有coref中的函数都可以看做布尔函数了。以abs为例
(defn abs[n](if (lt n 0) (negate n) n))
我们自顶向下地分析应该怎么翻译成布尔函数
- 对于
(if x y z)而言，x是一定需要计算的，但y和z只需要计算一个，那么它被翻译成x and (y or z)。以上面这个函数为例说明，如果n是bottom, 那么条件(lt n 0)也是bottom，则整个表达式的结果也是bottom。 - 对于primitive直接全用and就好
那么判断一个参数是否需要严格地编译，只需要把上面的条件翻译成布尔函数版：a[i] = false则f a[1] .... a[i] .... a[n] = false(其他参数都是true)。
这其实是一种叫做"抽象解释"的程序分析方法
自定义数据结构
haskell中的数据结构类型定义与MoonBit的enum相仿，不过，由于CoreF是个用于演示惰性求值的简单玩具语言，它不能自定义数据类型，内置的数据结构只有惰性列表。
(defn take[n l](case l[(Nil) Nil][(Cons x xs)(if (le n 0) Nil (Cons x (take (sub n 1) xs)))]))
如上，通过case表达式可以对列表进行简单的模式匹配。
列表对应的图节点是NConstr(Int, List[Addr]), 它由两个部分组成：
-
用于标记不同值构造子的标签，Nil对应的标签是0，Cons对应的标签是1
-
用于存放子结构地址的列表，它的长度对应一个值构造子的参数数量(arity)
这个图节点的结构可以用来实现各种数据结构，但是coreF没做类型系统，为了演示方便只实现了惰性列表
我们需要增加两条指令Split和Pack，分别用于拆开列表和组装列表。
fn split(self : GState, n : Int) -> Unit {let addr = self.pop1()match self.heap[addr] {NConstr(_, addrs) => {// n == addrs.length()self.stack = addrs + self.stack}}
}fn pack(self : GState, t : Int, n : Int) -> Unit {let addrs = self.stack.take(n)// 此处假设参数数量一定足够self.stack = self.stack.drop(n)let addr = self.heap.alloc(NConstr(t, addrs))self.putStack(addr)
}
此外还需要一条指令CaseJump, 实现case表达式
fn casejump(self : GState, table : List[(Int, List[Instruction])]) -> Unit {let addr = self.pop1()match self.heap[addr] {NConstr(t, addrs) => {match lookupENV(table, t) {None => abort("casejump")Some(instrs) => { self.code = instrs + self.codeself.putStack(addr)}}}otherwise => abort("casejump(): addr = \(addr) node = \(otherwise)")}
}
在添加了以上指令后，还需修改compileC和compileE函数。case表达式需要所匹配的对象已经被求值到WHNF，所以只有compileE函数能编译它。
// compileECase(e, alts) => {compileE(e, env) + List::[CaseJump(compileAlts(alts, env))] }Constructor(0, 0) => {// NilList::[Pack(0, 0)]}App(App(Constructor(1, 2), x), xs) => {// Cons(x, xs)compileC(xs, env) + compileC(x, argOffset(1, env)) + List::[Pack(1, 2)]}// compileCApp(App(Constructor(1, 2), x), xs) => {// Cons(x, xs)compileC(xs, env) + compileC(x, argOffset(1, env)) + List::[Pack(1, 2)]}Constructor(0, 0) => {// NilList::[Pack(0, 0)]}
不过，此时有一个问题出现了，先前打印程序求值结果只需要处理简单的NNum节点，而NConstr节点是有子结构的，并且在列表本身被求值到WHNF时，列表的子结构多半还是待求值的NApp节点。我们需要增加一个Print指令，它会递归地进行求值并将结果写入GState的output组件中。
struct GState {output : Buffer......
}fn gprint(self : GState) -> Unit {let addr = self.pop1()match self.heap[addr] {NNum(n) => {self.output.write_string(n.to_string())self.output.write_char(' ')}NConstr(0, Nil) => self.output.write_string("Nil")NConstr(1, Cons(addr1, Cons(addr2, Nil))) => {// 需要强制对addr1和addr2进行求值，故先执行Eval指令self.code = List::[Instruction::Eval, Print, Eval, Print] + self.codeself.putStack(addr2)self.putStack(addr1)}}
}
最后将G-Machine的初始代码改成
let initialCode : List[Instruction] = List::[PushGlobal("main"), Eval, Print]
现在我们可以使用惰性列表编写一些经典的函数式程序,例如基于无穷流的fibonacci数列
(defn fibs[] (Cons 0 (Cons 1 (zipWith add fibs (tail fibs)))))
在引入数据结构之后，严格性分析也会变得更复杂。以惰性列表为例，关于它有多种求值模式
- 完全严格(要求列表有限并且所有元素都不是bottom)
- 完全惰性
- 头严格(列表可以无限，但是里面的元素不可以有bottom)
- 尾严格(列表必须有限，但是里面的元素可以有bottom)
甚至函数所处的上下文也会改变它对某个参数的求值模式(不能孤立地分析，需要跨函数)，这种较为复杂的严格性分析一般采用射影分析(Projection Analysis)技术，相关文献：
-
Projections for Strictness Analysis
-
Static Analysis and Code Optimizations in Glasgow Haskell Compiler
-
Implementing Projection-based Strictness Analysis
-
Theory and Practice of Demand Analysis in Haskell
尾声
惰性求值这一技术可以减少运行时的重复运算，与此同时它也引入了一些新的问题。这些问题包括：
-
臭名昭著的副作用顺序问题。
-
冗余节点过多。一些根本不会共享的计算也要把结果放到堆上，这对于利用CPU的缓存机制是不利的。
惰性求值语言的代表haskell对于副作用顺序给出了一个毁誉参半的解决方案：Monad。该方案对急切求值的语言也有一定价值，但网络上关于它的教程往往在介绍此概念时过分强调其数学背景，对如何使用反而疏于讲解。笔者建议不必在这方面花费过多时间。
haskell的后继者Idris2(它已经不是一个惰性的语言了)除了保留Monad，还引入了另一种副作用处理机制：Algebraic Effect。
SPJ设计的Spineless G-Machine改进了冗余节点过多的问题，而作为其后继的STG统一了不同种类节点的数据布局。
除了抽象机器模型上的改进，GHC对haskell程序的优化还重度依赖于基于inline的优化和以射影分析为代表的严格性分析技术。
2004年，GHC的几位设计者发现以前这种参数入栈然后进入某个函数的调用模型(push enter)反而不如将责任交给调用者的eval apply模型，他们发表了一篇论文Making a Fast Curry: Push/Enter vs. Eval/Apply for Higher-order Languages。
2007年，Simon Marlow发现tagless设计中的跳转并执行代码对现代CPU的分支预测器性能影响很大。论文Faster laziness using dynamic pointer tagging中描述了几种解决方案。
惰性纯函数式语言展现出了很多别样的可能性，但对它的批评和反思也不少。不过，至少它是一种很有意思的技术！
Haskell系列往期文章：
8000字都是干货！教你如何用MoonBit实现Haskell求值语义
深入探索如何在 MoonBit 中实现 Haskell 求值语义（系列二）
)
)
![java中为什么main方法是public static void main（String [] args）](http://pic.xiahunao.cn/java中为什么main方法是public static void main（String [] args）)
