下图是2012年LLVM获得“ACM Software System Award 2012”奖项时的介绍图，这张图简明扼要的展示了LLVM的整体架构。
各种语言经过前端编译后，生成LLVM IR，然后，在link-time执行一些过程间的分析优化，这一块是LLVM很重要的一部分，过程间分析，既要兼顾
多种语言，同时，又要保留高层次的类型信息来执行过程间的优化。从前端编译到后端优化，到链接时以及运行时都有相关优化在里面。
编译优化其实在各个阶段都存在，只是LLVM将其打通了，什么别名分析，数据流分析，公共子表达式消除，循环优化，寄存器分配和链接时的相关
优化，这些景点的后端分析，都可以在其上实现。另外，运行时通过收集profiling信息，对LLVM Code优化，并重新编译成native code，同时，
“Automatic Pool Allocation”这种黑科技竟然都可以实现，基于LLVM IR，还可以实现多种GC算法。
将优化分为5个阶段：编译时优化，链接时优化，装载时优化，运行时优化，以及闲时优化。
编译时优化
包括一些经典的编译优化知识，在特定语言的编译前端，将源码编译成LLVM IR时，可以执行一些相关的优化，这些优化操作可以分为3部分。
1）执行语言相关的优化。例如，“optimizing closures in languages with higher-order function”。
2）将源码翻译成LLVM Code，保留可能多的类型信息，例如，结构体，指针，或者列表等信息。
3）在单个模块内部，可以调用LLVM针对全局不看过，或者工程间的优化。
编译前端没有不要非得将编译结果构造成SSA形式，LLVM可以进行stack promotion操作，只要局部变量地址没有逃出当前函数作用域，就可以将栈上分配的变量分配在寄存器上，毕竟寄存器是没有显示地址的。
LLVM也可以将结构体对象或者列表映射在寄存器上，用于构造LLVM IR所要求的SSA形式。编译器对structure或者说是memory layout的优化都是很难的一块。
虚函数决议与尾递归优化也可以推迟到LLVM code阶段，有些虚函数调用决议是完全可以在编译器期间解决的，使用一个call(jmp)指令就可以了。尾递归优化比较通用，基本上所有编程语言都有这样的需求，尾递归优化可以减少对栈（即内存）的消耗，也避免了创建stack frame或者销毁stack frame的开销。
链接时的优化
LLVM IR目标文件进行链接时，进行一些过程间或者跨文件的分析优化。link-time是首次能够见到程序全貌的阶段，在这个阶段可以做很多激进的优化，如虚表或者typeinfo是否能够真正的优化删除（如果虚表或者typeinfo没有在程序中实用的话，仅限于完整程序，所以，函数的定义可见）。LLVM的链接时优化如下图所示：
LLVM在链接时所做的最激进的优化，莫过于DSA和APA。在DSA分析中，借助于LLVM比较充足的type information，在指针分析的基础上，可以构造出整个内存对象的连接关系图。然后对这个图进行分析，得到内存对象的连接模式，将连接比较紧密的结构对象，例如树、链表等结构体分配在自定义的一格连续分配的内存池中。这样可以少维护很多内存块，并且大大提高空间locality，相应的提高cache命中率。
APA（Automatic Pool Allocation）能够将堆上分配的链接形式的结构体，分配在连续的内存池中，这种做法是通过将内存分配函数替换为自定义池
分配函数实现的，示意图如下所示：
另外一些在链接阶段进行的分析，包括调用图构建，Mod/Ref分析，以及一些过程间的分析，例如函数inline，死全局变量删除（dead global elimination），死实参删除（dead argument），常量传播，列表边界检查消除（array bounds check elimination），简单结构体域重排（structure field reordering），以及Automatic Pool Allocation。
参考文献链接