背景
（可以跳过的废话） Dialect可以算是MLIR设计的灵魂所在，但是在学习MLIR过程中，众多Dialect也会带来很多困惑：某个Dialect具体作用和含义是什么？为什么要lowering到某个Dialect？虽然官方文档中有Dialect相关的文档，但是一方面文档给出的信息有限，有的文档并没有对Dialect做整体介绍（比如SCF Dialect，甚至都没介绍其全称）；另一方面缺少对各个Dialect之间关系的介绍。这给深入理解Dialect带来一些困难。在翻阅MLIR讨论区的时候意外发现了一篇对Dialect的介绍：codegen-dialect-overview，觉得受益匪浅，整理分享给大家。
注意：下文中涉及Dialect属于MLIR早期版本，和当前代码仓库中Dialect存在一定差异（比如Standard Dialect被拆分了），但是对于从整体上理解Dialect具有指导作用。
Dialect分类
MLIR中Dialect分类可以通过两个坐标轴来看：tensor/buffer和payload/structre。
tensor/buffer维度含义是：Dialect主要数据类型是按照机器学习框架中的Tensor表示的（tensor），还是底层编译器中的Memory Buffer表示的（buffer）。很多方言的操作既有基于Tensor的也有基于Buffer的，比如Linalg和Standard。结合具体用例会更好理解一些（参考Toy中ch5转换到Linalg部分）。
payload/structure维度含义是：payload表示Dialect中操作描述执行什么计算（What）；structure表示Dialect中操作描如何执行计算（How）。比如Math Dialect描述了执行什么计算，属于payload类型，SCF Dialect描述了如何执行计算，属于structure类型。
Dialect抽象层级
Linalg Dialect: 对结构化数据进行结构化处理的通用表示。既可以将tensor作为操作数，也可以将buffer作为操作数；Operation中既有表示执行具体运算的payload类型操作，也有表示如何进行运算的struct类型操作。实际应用中外部Dialect很多情况下会先转换到Linalg Dialect再执行后续优化。
Vector Dialect：对SIMD或者SIMT模型的抽象。其作为一种向量的中间表示，可以被转换到不同Target对应的底层表示，从而实现Tensor在不同平台的支持。
Affine Dialect：对面体编译（polyhedral compilation）的实现。其主要包含了多维数据结构的控制流操作，比如：多维数据的循环和条件控制，存储映射操作等。其目标是实现多面体变换，比如：自动并行化、用于局部改进的循环融合和平铺，以及 MLIR 中的循环矢量化。
SCF(Structured Control Flow) Dialect：比控制流图CFG更高层的抽象，比如并行的for和while循环以及条件判断。通常Affine和Linalg会降低到SCF，SCF也可以降低为Standard（貌似被拆分）中的CFG。
Async Dialect：通常用来表示异步操作模型，一般为一些操作的集合，在不同的抽象层次含义有所变化。
最终，底层抽象Dialect被转换为特定平台的Dialect执行，比如：LLVM, NVVM, AVX, Neon, SVE等。
Dialect转换通路
这里参考tensorflow中的Dialect转换来说明MLIR中Dialect的转换：
在Tensorflow层，先从TF Dialet转换到HLO Dialect, 在HLO(High-Level Optimizer) Dialect中完成一些高层优化，之后转换到MHLO(Meta HLO)。
在MLIR层，基本标量运算和Tensor运算被分解到不同的转换流程。标量运算被转换为Standard中的基本数学运算算子，进而下降到LLVM Dialect；标量运算中的控制流图也被转换到对应的Standard CFG中，进而下降到LLVM的CFG。Tensor运算部分被转换到Linalg；然后基本运算转换到Vector，控制流降低到Affine后转换为SCF，SCF根据运行模型转换到相应的Dialect。
总结
感觉学习MLIR如果对Dialect缺乏一个抽象层次的认知理解起来会很困难。上述内容仅仅是对Dialect的粗浅认知，并且MLIR中的Dialect还处在不断变化中，对具体某一个Dialect的理解可能并不是关键，更多还是需要理解Dialect所对应的抽象层次，并结合项目需求理解。
以上内容基于codegen-dialect-overview对MLIR中的Dialect简单理解，如有不准确的地方，欢迎指正。
