[论文解读] egg: Easy, Efficient, and Extensible E-graphs.

Max Willsey, Yisu Remy Wang+4 more|arXiv (Cornell University)|Apr 7, 2020

Software Testing and Debugging Techniques被引用 3

一句话总结

本文介绍了 egg，一个开源的 e-graph 库，通过两项关键技术革新——通过重建实现的分摊不变量恢复以提升性能，以及 e-class 分析以增强可扩展性——优化了等式饱和工作负载下的 e-graph。结果是更快速、更灵活的 e-graph，使程序合成和编译器优化领域达到最先进水平。

ABSTRACT

An e-graph efficiently represents a congruence relation over many expressions. Although they were originally developed in the late 1970s for use in automated theorem provers, a more recent technique known as equality saturation repurposes e-graphs to implement state-of-the-art, rewrite-driven compiler optimizations and program synthesizers. However, e-graphs remain unspecialized for this newer use case. Equality saturation workloads exhibit distinct characteristics and often require ad-hoc e-graph extensions to incorporate transformations beyond purely syntactic rewrites. This work contributes two techniques that make e-graphs fast and extensible, specializing them to equality saturation. A new amortized invariant restoration technique called rebuilding takes advantage of equality saturation's distinct workload, providing asymptotic speedups over current techniques in practice. A general mechanism called e-class analyses integrates domain-specific analyses into the e-graph, reducing the need for ad hoc manipulation. We implemented these techniques in a new open-source library called egg. Our case studies on three previously published applications of equality saturation highlight how egg's performance and flexibility enable state-of-the-art results across diverse domains.

研究动机与目标

• 解决现有 e-graph 在应用于等式饱和工作负载时的性能与可扩展性局限。
• 识别当前 e-graph 未利用的等式饱和工作负载的独特特征。
• 通过利用等式饱和工作负载中的工作负载模式，开发一种更高效地恢复不变量的技术。
• 创建一种通用机制，将领域特定分析无缝集成到 e-graph 中，而无需对核心数据结构进行临时修改。
• 证明所提出的技术可在程序合成与编译优化的多样化应用中实现最先进水平的结果。

提出的方法

• 提出重建技术，一种分摊不变量恢复的机制，利用等式饱和工作负载的重复性和结构性特征，实现渐近速度提升。
• 设计 e-class 分析作为通用机制，将领域特定知识直接嵌入 e-graph 节点，减少对低层级、临时性操作的依赖。
• 在 egg 中实现这些技术，一个开源的 e-graph 库，支持在等式饱和条件下高效构建和查询 e-graph。
• 设计 e-graph 操作以支持增量更新和高效查询解析，特别是等价性和规范形式查询。
• 将 e-class 分析作为一等组件集成，可在 e-graph 构建和转换过程中组合与执行。
• 优化 egg 中的数据结构与算法，以最小化在高吞吐量、重写密集型工作负载中的开销。

实验结果

研究问题

• RQ1 能否设计出分摊不变量恢复技术，以利用等式饱和工作负载中的结构性模式来提升性能？
• RQ2 如何系统性地将领域特定分析集成到 e-graph 中，而无需对核心数据结构进行临时修改？
• RQ3 所提出的技术在真实世界的等式饱和应用中，能在多大程度上提升性能与灵活性？
• RQ4 能否构建一个统一且可扩展的 e-graph 库，以支持程序合成与编译优化中的多样化用例？

主要发现

• 重建技术通过在多个操作间分摊成本，实现了相对于现有不变量恢复方法的渐近速度提升。
• e-class 分析通过将领域特定逻辑直接集成到 e-graph 结构中，减少了对临时 e-graph 操作的需求。
• egg 库在三个先前发表的等式饱和应用中实现了最先进水平的性能与灵活性。
• 重建与 e-class 分析的结合，实现了对复杂、非语法变换的高效处理。
• 案例研究证明，egg 能够在大规模场景下支持高性能的程序合成与编译器优化。
• egg 的开源特性促进了在需要 e-graph 的多样化领域中的复用与扩展。