MLGO(Machine Learning Guided Compiler Optimization) 是使用机器学习技术，把 LLVM 中使用启发式(heuristics) 的优化转换成模型预测，对比 LLVM -Oz 优化有近 1.5～6% 的大小优化，性能有近 0.3～1.5% 提升。

最近 Compiler Explorer 支持了显示 LLVM Opt Pipeline Output 的能力，对于我们理解一个函数经历了哪些 pass 的细节非常有帮助。简单推荐一下这个工具。

当我们不断追问“人为什么活着？人生的意义是什么？宇宙的本质是什么？”的时候，绝大多数人不会觉得我们是爱思考的聪明人，只会觉得“你这个人好怪”。

之前写 canonicalization 对循环的概念直接略过了，没做展开，循环在日常开发中使用还是挺广泛的，这里简单介绍 LLVM 中循环的概念。

canonicalization(规范化) 是编译器 IR(intermediate representation) 设计中的一个重要部分，它使代码转换(transformations) 变得简单高效。大多数编译器都有 canonicalization pass，对于后续进行编译器优化也起到很大作用。