<div dir="ltr"><div dir="ltr">On Sun, 6 Jun 2021 at 12:15, Nuno Lopes via cfe-dev <<a href="mailto:cfe-dev@lists.llvm.org">cfe-dev@lists.llvm.org</a>> wrote:<br></div><div class="gmail_quote"><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex">Of course, let's look at a simple example with GVN:<br>
if (p == q) {<br>
  *(p-1) = 0;<br>
}<br>
<br>
If p/q are integers, then it's perfectly fine to replace p with q or vice-versa inside the 'if'.</blockquote><div><br></div><div>If we start with:</div><div><br></div><div>char a[n];</div><div>char b[n];</div><div>long p = (long)(a+n);</div><div>long q = (long)b;</div><div>if (p == q) {</div><div>   *((char*)p-1) = 0;</div><div>}</div><div><br></div><div>... what prevents us from observing the same issue?</div><div><br></div><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex">GVN may decide to produce this:<br>
if (p == q) {<br>
  *(q-1) = 0;<br>
}<br>
<br>
Now consider that p/q are pointers. In particular they are the following:<br>
char a[n];<br>
char q[n];<br>
char *p = a + n;<br>
<br>
inlining the definitions, originally we had:<br>
if (a+n == q) {<br>
  *(a+n-1) = 0;<br>
}<br>
<br>
The program is well-defined. However, GVN produces a ill-defined program:<br>
if (a+n == q) {<br>
  *(q-1) = 0;<br>
}<br>
<br>
While a+n may have the same address as q, their provenance is different. You can dereference a[n-1], but you can't dereference q[-1], even if they have exactly the same address.<br>
<br>
Pointer equalities can only be propagated if both pointers have the same provenance information. If two pointers are inbounds and compare equal, then they have the same provenance, for example. That's a case when GVN for pointers is correct.<br>
<br>
Another class of issues is related with alias analysis and implicit casts done by integer loads. AA doesn't consider these implicit casts, which is incorrect. When we load an integer, we don't know if we are actually loading an integer or a "raw byte", as there's no way to distinguish. So, to be correct, we need to consider all integer loads as escaping pointers (unless we introduce a way to distinguish "raw byte" loads from integer loads). I gave one such example in my last reply to Johannes.<br>
<br>
Please let me know if the example above isn't clear. Happy to elaborate further :)<br>
<br>
Thanks,<br>
Nuno <br>
<br>
<br>
-----Original Message-----<br>
From: David Blaikie <<a href="mailto:dblaikie@gmail.com" target="_blank">dblaikie@gmail.com</a>> <br>
Sent: 06 June 2021 19:58<br>
Subject: Re: [llvm-dev] [RFC] Introducing a byte type to LLVM<br>
<br>
Perhaps a small concrete example of the GVN (or otherwise, if there are smaller examples in other optimizations) transformation that you find to be invalid - showing how it's important for integers, and invalid for pointers (smallest example that manifests that invalidity in an observable way) might help ground the conversation a bit.<br>
<br>
On Sun, Jun 6, 2021 at 11:26 AM Nuno Lopes via llvm-dev <<a href="mailto:llvm-dev@lists.llvm.org" target="_blank">llvm-dev@lists.llvm.org</a>> wrote:<br>
><br>
> Let me try to explain the issue around typed memory. It’s orthogonal to TBAA. Plus I agree the allocation type is irrelevant; it’s the type of the load/store operations that matters.<br>
><br>
><br>
><br>
> Fact 1: LLVM needs an “universal holder” type in its IR.<br>
><br>
> Why?<br>
><br>
> Frontends load data from memory and don’t necessarily know the type they are loading. When you load a char in C, it can be part of a pointer or an integer, for example. Clang has no way to know.<br>
> That’s necessary to express implementations of memcpy in IR, as it copies raw data without knowing what the type is.<br>
> LLVM lowers small memcpys into load/store.<br>
><br>
><br>
><br>
> I hope you agree LLVM needs a type that can contain any other type.<br>
><br>
><br>
><br>
><br>
><br>
> Fact 2: optimizations for this “universal holder” type need to be correct for any LLVM IR type.<br>
><br>
> Since this type can hold anything, optimizations that apply to this type must be correct for integers, pointers, etc. Otherwise, the results would be incorrect if the data was cast to the “wrong” type.<br>
><br>
><br>
><br>
> The corollary of this fact is that GVN is not correct for the “universal holder” type in general. That’s because GVN is not correct for pointers in general (though correct in some cases). GVN doesn’t work for pointers since just because 2 pointers compare equal, it doesn’t mean they have the same provenance. As LLVM’s AA uses provenance information, this information must be preserved.<br>
><br>
><br>
><br>
> Hopefully you agree with everything I wrote so far. If not please stop me and ask.<br>
><br>
><br>
><br>
><br>
><br>
> Ok, so what’s the solution?<br>
><br>
> We have two candidates for this “universal holder” type:<br>
><br>
> integer (i<x>)<br>
> byte (b<x>), a new dedicated type<br>
><br>
><br>
><br>
> The advantage of going with integers is that they already exist. The disadvantage? To make LLVM correct, we would need to disable GVN in most cases or stop using provenance information in AA (make pointers == integers).<br>
><br>
> This sounds pretty bad to me due to the expect performance hit.<br>
><br>
><br>
><br>
> Introducing a new type requires work, yes. But it allows us to keep all integer optimizations as aggressive as we want, and only throttle down when encountering the byte type. Another benefit is that loading a byte from memory doesn’t escape any pointer, while with the first solution you need to consider all stored pointers as escaped when loading an integer.<br>
><br>
> Introducing the byte type allow us to fix all the integer/pointer casts bugs in LLVM IR. And it enables more optimizations as we won’t need to be careful because of the LLVM IR bug.<br>
><br>
><br>
><br>
><br>
><br>
> A 3rd option is to keep everything as-is. That is, keep wrong optimizations in LLVM and keep adding hacks to limit the miscompilations in real-world programs.<br>
><br>
> That has bitten us multiple times. Last time someone told me my miscompilation example was academic, LLVM ended up miscompiling itself, and then miscompiled Google’s code. Only this year we are planning to fully fix that bug (we have a hack right now).<br>
><br>
> Last week Alive2 caught a miscompilation in the Linux kernel, in the network stack. The optimization got the pointer arithmetic wrong. Pretty scary, and the bug may have security implications.<br>
><br>
><br>
><br>
> Anyway, just to argue that leaving things as-is is not an option. We have momentum and 3 GSoC students ready to help to fix the last few design bugs in LLVM IR.<br>
><br>
><br>
><br>
> I know this stuff is complex; please ask questions if something is not clear or if you disagree with anything I wrote above.<br>
><br>
><br>
><br>
> Thanks,<br>
><br>
> Nuno<br>
><br>
><br>
><br>
><br>
><br>
><br>
><br>
> From: Chris Lattner via llvm-dev<br>
> Sent: 06 June 2021 05:27<br>
> To: John McCall <<a href="mailto:rjmccall@apple.com" target="_blank">rjmccall@apple.com</a>><br>
> Cc: <a href="mailto:llvm-dev@lists.llvm.org" target="_blank">llvm-dev@lists.llvm.org</a>; Ralf Jung <<a href="mailto:jung@mpi-sws.org" target="_blank">jung@mpi-sws.org</a>>; <br>
> <a href="mailto:cfe-dev@lists.llvm.org" target="_blank">cfe-dev@lists.llvm.org</a><br>
> Subject: Re: [llvm-dev] [cfe-dev] [RFC] Introducing a byte type to <br>
> LLVM<br>
><br>
><br>
><br>
> On Jun 4, 2021, at 11:25 AM, John McCall via cfe-dev <<a href="mailto:cfe-dev@lists.llvm.org" target="_blank">cfe-dev@lists.llvm.org</a>> wrote:On 4 Jun 2021, at 11:24, George Mitenkov wrote:<br>
><br>
> Hi all,<br>
><br>
> Together with Nuno Lopes and Juneyoung Lee we propose to add a new <br>
> byte type to LLVM to fix miscompilations due to load type punning. <br>
> Please see the proposal below. It would be great to hear the <br>
> feedback/comments/suggestions!<br>
><br>
><br>
> Motivation<br>
> ==========<br>
><br>
> char and unsigned char are considered to be universal holders in C. <br>
> They can access raw memory and are used to implement memcpy. i8 is the <br>
> LLVM’s counterpart but it does not have such semantics, which is also <br>
> not desirable as it would disable many optimizations.<br>
><br>
> I don’t believe this is correct. LLVM does not have an innate concept <br>
> of typed memory. The type of a global or local allocation is just a <br>
> roundabout way of giving it a size and default alignment, and <br>
> similarly the type of a load or store just determines the width and <br>
> default alignment of the access. There are no restrictions on what <br>
> types can be used to load or store from certain objects.<br>
><br>
> C-style type aliasing restrictions are imposed using tbaa metadata, <br>
> which are unrelated to the IR type of the access.<br>
><br>
> I completely agree with John.  “i8” in LLVM doesn’t carry any implications about aliasing (in fact, LLVM pointers are going towards being typeless).  Any such thing occurs at the accesses, and are part of TBAA.<br>
><br>
><br>
><br>
> I’m opposed to adding a byte type to LLVM, as such semantic carrying types are entirely unprecedented, and would add tremendous complexity to the entire system.<br>
><br>
><br>
><br>
> -Chris<br>
><br>
> _______________________________________________<br>
> LLVM Developers mailing list<br>
> <a href="mailto:llvm-dev@lists.llvm.org" target="_blank">llvm-dev@lists.llvm.org</a><br>
> <a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/llvm-dev" rel="noreferrer" target="_blank">https://lists.llvm.org/cgi-bin/mailman/listinfo/llvm-dev</a><br>
<br>
_______________________________________________<br>
cfe-dev mailing list<br>
<a href="mailto:cfe-dev@lists.llvm.org" target="_blank">cfe-dev@lists.llvm.org</a><br>
<a href="https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev" rel="noreferrer" target="_blank">https://lists.llvm.org/cgi-bin/mailman/listinfo/cfe-dev</a><br>
</blockquote></div></div>