Compiler construction 如何识别用于自动函数提取的类似表达式？

如何识别AST的结构公共子树，以便将它们分解为单独的函数

e、 g.给定此伪代码（假设该语言只允许纯终止函数）：

f（a，b，c）{
返回（a+b）*c*6；
}
g（x[4]，k）{
变量y[4]；
对于（0..3中的i）
y[i]=f（x[i]，1，k）；
返回y；
}
不同的arr[4]；
结果=g（arr，1）；

…在完全专门化和内联之后，我们将得到以下表示程序结果值的基本操作树：

（make-vec4
（*（arr 0）6）
（*（+（arr 1）1）6）
（*（+（arr 2）1）6）
（*（+（arr 3）1）6））

（这是一个可怕的例子，因为扩展的结果在结构上仍然与输入非常相似……但假设更改可以跨输入代码的结构边界传播）

人眼很明显，结果树包含三个类似的表达式，我们现在可以将它们重构为对函数的调用，比如

fn（i）{return 6*（arr[i]+1）}

，因为指令缓存大小会咕哝咕哝等（或者更现实地利用

map

或

fold

原语）。但是编译器如何识别它们是相似的，以便将它们视为提取的候选？ 消除相同的子表达式应该很容易，使用类似于哈希的方法。但是你不能用它来解决这个问题，因为从叶子向上移动所构建的散列不会以任何方式相互关联。是否有一种方法可以从根节点“向下构建”并确定两个表达式树之间的分歧点，以查看分支在何处成为参数？（没有使用任何关于原始程序形式的知识，假设原始程序已经扩展到所有人都无法识别的程度，并且无论如何可能没有得到最佳分割）

---

感觉应该有办法通过对子树排序和比较邻居来做到这一点，但这需要某种元素位置无关的排序…？

您想要做的就是“克隆检测”。您特别想要做的是检测抽象语法树上的克隆

这篇技术论文（由我撰写）是（上次我看的）关于如何做到这一点的最有参考价值的论文：

有一种基于这种方法的商业工具叫做CloneDR