Cross-module inlining across a big

Cross-module inlining across a big program has huge memory
and processing overhead in the compiler. To address this,
Google developed Lightweight IPO (LIPO) [18], which performs
certain interprocedural optimizations (IPO) [22] without
doing global analysis in the compiler. LIPO achieves this by
shifting some of the analysis from compile time to runtime
of the FDO feedback collection stage. A LIPO instrumented
binary produces some information that would be produced by
a global analysis.

ผลลัพธ์ (ไทย) 1:

inlining ข้ามโมดูลข้ามโปรแกรมขนาดใหญ่มีหน่วยความจำขนาดใหญ่
และค่าใช้จ่ายในการประมวลผลในคอมไพเลอร์ ไปยังที่อยู่นี้
google พัฒนา IPO ที่มีน้ำหนักเบา (Lipo) [18] ซึ่งดำเนินการเพิ่มประสิทธิภาพ interprocedural
บางอย่าง (IPO) [22] โดยไม่มีการวิเคราะห์ทั่วโลก
ทำในคอมไพเลอร์ Lipo นี้ประสบความสำเร็จโดย
ขยับบางส่วนของการวิเคราะห์จากการรวบรวมเวลาไป
รันไทม์ของขั้นตอนการเก็บรวบรวมข้อเสนอแนะ FDOLipo ไบนารี instrumented
ผลิตข้อมูลที่จะผลิตโดย
การวิเคราะห์ทั่วโลกบาง

ผลลัพธ์ (ไทย) 2:

ข้ามโม inlining ข้ามโปรแกรมขนาดใหญ่มีหน่วยความจำขนาดใหญ่
และประมวลผลในคอมไพเลอร์ ที่อยู่นี้,
Google พัฒนาน้ำหนักเบาเสนอขายหุ้น (LIPO) [18], ซึ่งทำ
เพิ่มประสิทธิภาพ interprocedural บางอย่าง (IPO) [22] โดย
ทำวิเคราะห์โลกในคอมไพเลอร์ LIPO ได้รับนี้โดย
ขยับของวิเคราะห์จากเวลาคอมไพล์เพื่อรันไทม์
ของขั้นตอนการรวบรวมคำติชม FDO LIPO แบบ instrumented
ไบนารีให้ข้อมูลบางอย่างที่จะผลิตโดย
วิเคราะห์โลก

ผลลัพธ์ (ไทย) 3:

inlining แบบโมดูลในโครงการขนาดใหญ่ที่มีหน่วยความจำขนาดใหญ่
ซึ่งจะช่วยลดค่าใช้จ่ายในการประมวลผลและคอมไพเลอร์ที่ ในการแอดเดรสนี้
Google พัฒนาเสนอขายหุ้นมีน้ำหนักเบา( lipo )[ 18 ]ที่จะดำเนินการ
ซึ่งจะช่วยได้รับการปรับแต่ง interprocedural บางอย่าง(เสนอขายหุ้น)[ 22 ]ไม่มี
ซึ่งจะช่วยทำการวิเคราะห์ระดับโลกในคอมไพเลอร์ที่ lipo บรรลุผลสำเร็จโดย
ซึ่งจะช่วยยกระดับการวิเคราะห์นี้บางส่วนจากเวลาการคอมไพล์แอพพลิเคชัน
ซึ่งจะช่วยให้ขั้นตอนการรวบรวมความคิดเห็น fdo ได้ไบนารีตัว
ซึ่งจะช่วย lipo ที่จะให้ข้อมูลบางอย่างที่จะผลิตได้โดยการวิเคราะห์ระดับโลก
ซึ่งจะช่วยให้