进行活性分析的动机
（1）在代码生成的讨论中，我们曾假设目标机器有无限多个（虚拟）寄存器可用，这简化了代码生成的算法，但对物理机器是个坏消息，因为机器只有有限多个寄存器，必须把无限多个虚拟寄存器分配到有限个寄存器中。
（2）这是寄存器分配优化的任务，需要进行活性分析。
引入示例
考虑这段三地址码：
a = 1
b = a + 2
c = b + 3
return c有三个变量a，b，c，假设目标机器上只有一个物理寄存器 r，那么是否可能把这三个变量同时放到寄存器 r 中？答案是肯定的，因为这三个变量可以分阶段的交替占用这个寄存器r。
计算在给定的程序点，哪些变量是“活跃”的（对应下图花括号中的变量），活跃信息给出了活跃区间的概念，活跃区间互不相交，所以三个变量可交替使用同一个寄存器。（把左侧的表达式竖着写（如下图），就可以清晰地体会区间交替、互不相交的含义了）
针对给定的这段三地址码，再结合上面分析的a、b、c三个变量的活跃区间情况，我们给出寄存器分配的映射表（寄存器分配优化中核心的数据结构，本质是哈希表），这样的寄存器分配的映射表指出a、b、c三个变量分别映射到哪个寄存器，就本例来说，三个变量映射到了同一个寄存器r。
有了这样的信息之后，我们可以根据这个分析，对三地址码进行重写（如下所示）
r = 1
r = r + 2
r = r + 3
return r由无限多个变量映射到有限个寄存器中的这个过程，叫做寄存器优化。
数据流方程
对任何一条语句：[ d : s ]，给出两个集合
gen[ d : s ] = {x | 变量x在语句中被使用}
kill[ d : s ] = {x | 变量x在语句中被定义}
举个栗子：
x = y + z
z = z + xgen[1] = { y, z }，kill[1] = { x }
gen[2] = {x, z}，kill[2] = { z }
基本块内的后向数据流方程：
（注意与到达定义分析的区别，到达定义分析中的数据流是前向的）
由于是后向的，也就意味着先计算out再计算in，以下图为例，是从return c开始往上计算基本块内的后向数据流方程。注：下图中右侧计算的是每个数据块的in集合，彩色柱形代表三个变量对应的活跃区间。
再来看一个例子，
我们通过观察可以得出，例2至少需要两个寄存器（a需要一个寄存器，b和c可以交替地使用同一个寄存器但要与a互斥）
下面由基本块内的数据流方程推广到一般的控制流图结构上来，即引出一般的数据流方程。
一般的数据流方程
方程（同样为后向的计算）：
同样可以给出不动点算法：从初始的空集{}出发，循环到没有集合发生变化为止。
同样的举一个栗子，以下为一个一般的控制流图，一共有6条语句存在。
老师在PPT上演示的语句的遍历顺序是1,2,3,4,5,6，但是我感觉用逆拓扑序计算（即按6,5,4,3,2,1的顺序来计算in和out）更好理解，因为根据上面的公式，逆拓扑序计算out会把所有后继的in并起来算为自己
这是最终得到的live_out，比如在下面标红的边上，live_out就是{a, c}，有了最终的live_out就能画出活跃区间图（如下所示）。
红色代表a的活跃区间，黄色代表b的活跃区间，绿色代表c的活跃区间
由此看出，a和b活跃区间不重叠，c与b和a都冲突（冲突的意思是，两个变量在同一点上都活着）
干扰图
干扰图是一个无向图G = （V, E）:
1、对每个变量构造无向图G中一个节点
2、若变量x，y同时活跃，在x、y之间连一条无向边
注：这是由上图得出的干扰图
干扰图清晰地描述了哪些变量是不能占用同一个寄存器的。比如a和c，在某个程序点处可能同时活着，他们两个的值是不同的，而且同时需要，所以a和c就需要两个寄存器进行存储（意味着a和c是相互冲突/干扰的）
此时笔者内心os：根据这个图，我怎么隐约感觉到在后续的寄存器分配中，会用到图染色算法呢，就是把寄存器当做不同的颜色来给这张图染色，且相邻点不同色。
