LLVM、MLIR的编译

先行编译基础的工具，后期用到别的工具再进行编译

git clone https://github.com/llvm/llvm-project.git
cd llvm-project
mkdir build && cd build

# CMake配置（仅编译LLVM和MLIR， clang也可以加上）
cmake -G Ninja ../llvm \
  -DLLVM_ENABLE_PROJECTS="mlir;llvm;clang;lldb;lld;" \
  -DLLVM_TARGETS_TO_BUILD="host" \
  -DCMAKE_BUILD_TYPE=Release \
  -DLLVM_ENABLE_ASSERTIONS=ON \
  -DCMAKE_INSTALL_PREFIX=./install

ninja -j$(nproc)
ninja install

等待编译完成后，检查一下install目录下都生成了哪些工具，依次来学习一下。
以下内容都需要在后续学习中用到后，再次进行更新，确认当前查询到的信息是正确的。

一、MLIR核心工具

mlir-opt
- 用途：MLIR优化与转换的核心工具
- 功能：
  - 执行自定义Pass管道（如 --pass-pipeline="builtin.module(my-pass)"）
  - 验证IR合法性（-verify）
  - 调试方言降级（如从 tensor 到 memref 的转换）
- 示例：
  
  bash
  1
  mlir-opt input.mlir --convert-linalg-to-loops -o output.mlir
mlir-translate
- 用途：MLIR与其他中间表示（LLVM IR/SPIR-V）的互转
- 常用选项：
  - --mlir-to-llvmir：将MLIR转换为LLVM IR
  - --export-llvmir：导出为LLVM可读格式
- 示例：
  
  bash
  1
  mlir-translate --mlir-to-llvmir input.mlir -o output.ll
mlir-tblgen
- 用途：生成MLIR方言（Dialect）的C++代码
- 场景：定义新方言时自动生成ODS（Operation Definition Specification）代码。
mlir-cpu-runner
- 用途：在CPU上直接运行MLIR代码（支持JIT编译）
- 示例：
  
  bash
  1
  mlir-cpu-runner --entry-point-result=void input.mlir

二、LLVM核心工具

llc
- 用途：将LLVM IR编译为特定目标（如CPU/GPU）的汇编代码
- 关键选项：
  - -mtriple=amdgcn-amd-amdhsa：指定AMD GPU目标
  - -O3：启用优化级别3
- 示例：
  
  bash
  1
  llc -O3 input.ll -o output.s
opt
- 用途：LLVM IR优化器，用于调试自定义Pass
- 示例：
  
  bash
  1
  opt -passes='loop-unroll' input.ll -o output.ll
llvm-dis / llvm-as
- 用途：LLVM IR二进制格式（bitcode）与文本格式互转
- 示例：
  
  bash
  1
  2
  llvm-dis input.bc -o output.ll # 反汇编
  llvm-as input.ll -o output.bc # 汇编

三、调试与分析工具

llvm-objdump
- 用途：反汇编目标文件（如检查生成的GPU二进制）
- 示例：
  
  bash
  1
  llvm-objdump -d output.o
llvm-dwarfdump
- 用途：调试信息分析（DWARF格式），用于检查符号表与源码映射
- 示例：
  
  bash
  1
  llvm-dwarfdump output.o
FileCheck
- 用途：LLVM测试框架核心工具，用于验证输出是否符合预期模式
- 示例：
  
  bash
  1
  mlir-opt input.mlir | FileCheck check.txt

四、硬件相关工具

amdgpu-arch / nvptx-arch
- 用途：检测当前系统的AMD/NVIDIA GPU架构
- 示例：
  
  bash
  1
  nvptx-arch # 输出如 "sm_80"（对应NVIDIA A100）
llvm-mca
- 用途：静态分析机器代码的流水线吞吐量（用于性能调优）
- 示例：
  
  bash
  1
  llc -O3 input.ll -o output.s && llvm-mca output.s

五、辅助开发工具

clang-format
- 用途：格式化C++/MLIR代码（维护代码风格一致性）
- 示例：
  
  bash
  1
  clang-format -i my_pass.cpp
mlir-reduce
- 用途：自动缩小触发错误的MLIR测试用例（类似Delta Debugging）
- 示例：
  
  bash
  1
  mlir-reduce crash.mlir --bugpoint=mlir-opt -o reduced.mlir
mlir-lsp-server
- 用途：MLIR语言服务器，支持IDE语法高亮与自动补全（如VSCode插件）。

编译其他库时遇到的llvm编译问题

ld64.lld: error: undefined symbol: divdc3
场景：在编译torch-mlir的时候会依赖三方库stablehlo，在链接StableHLO 的 C++ 引用实现（libStablehloReferenceElement.a）时找不到复数除法符号 divdc3，这是compiler-rt/libgcc 提供的运行时辅助函数。

原因：可以从最前面的编译选项中看到我们在编译llvm的时候，并没有编译compiler-rt，加上重新编译就可以了
~~-DLLVM_ENABLE_PROJECTS="mlir;llvm;clang;lldb;lld;compiler-rt" \~~
-DLLVM_ENABLE_RUNTIMES=compiler-rt。
（直接在llvm_enable_projects 中添加compiler-rt未来会被废弃）
找不到Python对应的库
场景：在编译torch-mlir的时候发现开启-DMLIR_ENABLE_BINDINGS_PYTHON=ON之后会出现找不到mlir python相关的库。

原因：编译llvm/MLIR的时候也需要开启
-DMLIR_ENABLE_BINDINGS_PYTHON=ON
nanobind找不到头文件
场景：开启python binding之后找不到nanobind的头文件

原因：
- 没有安装nanobind
  brew install nanobind或者pip install nanobind
- 找不到路径
  在编译选项中增加`-Dnanobind_DIR=$(python -c “import nanobind, pathlib, sys; print(pathlib.Path(nanobind.file).parent / ‘cmake’)”)。
The dependency target "FileCheck"/"not"/"count" of xxx does not exist.
原因：这些都是llvm的测试工具，某些测试套件依赖，需要增加编译选项bash -DLLVM_INSTALL_UTILS=ON