为Toy Optimizer构建模糊测试工具以验证优化正确性

本文是《Toy Optimizer》系列的延续，探讨如何通过模糊测试工具自动检测编译器优化器中的逻辑错误。手动测试难以覆盖所有边缘情况，尤其是多个组件交互或多次优化时的异常。作者受一篇关于PyPy垃圾回收优化的博客启发，设计了一个基于随机程序生成的模糊测试框架。该框架通过生成包含load、store和escape操作的随机程序，并验证优化前后堆栈结构是否一致，从而发现别名处理等潜在问题。验证机制依赖于解释器跟踪执行结果和escape操作的输出。文章还提出了一些扩展思路，如引入不同数据类型、缩小失败案例、使用Hypothesis进行属性测试，以及尝试用Z3工具进行形式化验证。最后，作者指出当前方法仅适用于无内存分配的优化器，若涉及内存操作需重新定义等价性。