为何Numba生成的向量加法LLVM IR过于复杂？如何获取精简代码？

你看到2000行LLVM IR是因为你的代码处理的是numpy数组（向量）操作，Numba生成的IR包含了数组元数据解析、边界检查、内存管理、Numba runtime辅助函数等大量支撑代码，并非只有单纯的加法指令。如果是标量加法，IR会简洁很多，但数组操作需要这些代码来保证安全性和兼容性。

以下是几种获取精简IR的方法：

• 提取目标函数的单独IR
  Numba的inspect_llvm()返回的是整个模块的IR，包含很多无关的辅助函数。可以通过Numba的内部API只提取mysum对应的函数IR，避免冗余代码：

  from numba import jit, types
  import numpy as np
  
  @jit(nopython=True,nogil=True)
  def mysum(a,b):
      return a+b
  
  a, b = 1.3 * np.ones(5), 2.2 * np.ones(5)
  mysum(a, b)
  
  # 获取目标函数的专属LLVM IR
  cres = mysum.overloads[(types.Array(types.float64, 1, 'C'), types.Array(types.float64, 1, 'C'))]
  llvm_ir_func = cres.library.get_llvm_str(func_name=cres.fndesc.mangled_name)
  print(llvm_ir_func)
  with open("llvm_ir_func.ll", "w") as file:
      file.write(llvm_ir_func)
  

• 用LLVM工具优化精简IR
  利用LLVM的opt工具对生成的完整IR进行优化，自动去除未使用的代码、简化逻辑：

  opt -O3 -S llvm_ir.ll -o optimized_llvm_ir.ll
  

  优化后的IR会大幅减少行数，同时保留核心的向量加法逻辑。

• 测试标量加法对比
  如果只是想观察简单的加法指令，可以测试标量加法场景，此时生成的IR会非常简洁，直接包含fadd指令：

  from numba import jit
  import numpy as np
  
  @jit(nopython=True,nogil=True)
  def scalar_sum(a,b):
      return a+b
  
  scalar_sum(1.3, 2.2)
  llvm_ir_scalar = list(scalar_sum.inspect_llvm().values())[0]
  print(llvm_ir_scalar)
  

内容的提问来源于stack exchange，提问作者Roy