复写传播(copy propagation)是一种代码转换，其基本思想如下：对于给定的关于某个变量v和s的赋值V←s，在没有出现其他关于v定值的程序范围内，编译器用s来替代出现的v的引用。从定义上来说，不难发现复写传播与常量传播有着惊人的相似之处。的确如此，这正是传播优化的基本思想。下面，通过一个简单的实例来解释复写传播的方法及意义。

例7-5 局部复写传播的实例。见表7-7。

表7-7 局部复写传播的实例分析

从形式上来说，这个实例可能有些极端，但非常有利于说明复写传播的方法及意义。比较(b)、(c)两列，不难发现，(c)列中所有指令的第1个操作数都被替代为“A”。根据复写传播的定义，由于(b)列中第0行是B←A的赋值，而整个程序中并不存在其他关于B的定值，编译器则可以用A来替代所有出现的对B的引用。因此，将第1行替换为C←A的赋值。以此类推，不难得到(c)列的结果。关于复写传播的方法，应该并不难理解。

复写传播的现实意义是什么呢？或者说，相比(b)列代码而言，(c)列代码的优势是什么呢？实际上，复写传播的意义就是在于尽可能减少程序中的活跃变量的个数。从一个函数的角度来说，只有RESULT是活跃变量，因为它是用于存储函数返回值的，其他的变量在离开函数体后，都是没有意义的。当然，除了RESULT之外，与RESULT定值相关的变量也将是活跃的。先来分析(b)列代码的活跃变量的个数。由于RESULT值是从G中得到的，故G也是活跃的。而G的值又是从F中获得的，因此F也将是活跃的。以此类推，(b)列代码中A、B、C、D、E、F、G都将是活跃变量。以同样的方法分析(c)列代码，不难发现，其中只有A是活跃变量。根据先前关于活跃变量的讨论，对于非活跃变量的赋值操作都是没有意义的，即可删除。这样的话，(c)列代码最终就只剩下最后一行IR了，这个成果是令人可喜的。不仅如此，就本例而言，当删除了(c)列中冗余的赋值之后，由于整个程序中不存在任何关于B、C、D、E、F、G的引用与定值，因此，编译器不必再为这些变量分配存储空间。(www.daowen.com)

同样，复写传播也可以分为局部遍与全局遍，即局部复写传播与全局复写传播。前者是基于基本块内实现的，而后者是基于整个过程讨论的。这里，就不再详细分析全局复写传播的实例了。复写传播虽然成效显著，但并不是万能的。在一些特殊的情况下，复写传播是可能失效的。正如先前讨论的，优化算法都是针对某类特殊问题的一种解决方案，不可能要求一个优化能做到以不变应万变。

在实践中，有些初学者可能试图使用复写传播优化如图7-8所示的结构。实际上，这是完全徒劳的。这种代码形态已经不是复写传播讨论的范畴了。读者仔细推敲复写传播的定义，不难发现，定义中非常明确地指出了复写传播的前提只是v←s的赋值，而其中并不能含有其他运算。当然，在图7-8中，形如基本块B2、B3中的i—j+l也是不能接受的冗余。在现代编译技术中，通常使用一种称为尾融合的算法来实现两个复写赋值的合并。尾融合的基本思想就是将B2、B3这两个基本块尾部相同的代码提取出来，移至另一个新生成的基本块B5中。删除B2、B3与B4的后继关系。同时，令B5成为B2、B3的唯一后继基本块。而B5的后继基本块即为B2、B3的原后继B4。

图7-8 尾融合的实例