我想了解 gcc/clang 对这段代码做了什么样的神奇优化。
#include <random>
#include <iostream>
int main()
{
std::random_device rd;
std::mt19937 mt(rd());
const unsigned arraySize = 100000;
int data[arraySize];
for (unsigned c = 0; c < arraySize; ++c)
data[c] = mt() % 256;
long long sum = 0;
for (unsigned i = 0; i < 100000; ++i)
{
for (unsigned c = 0; c < arraySize; ++c)
{
if (data[c] >= 128)
sum += data[c];
}
}
std::cout << sum << std::endl;
}
和这段代码
#include <random>
#include <iostream>
#include <algorithm>
int main()
{
std::random_device rd;
std::mt19937 mt(rd());
const unsigned arraySize = 100000;
int data[arraySize];
for (unsigned c = 0; c < arraySize; ++c)
data[c] = mt() % 256;
std::sort(data, data + arraySize);
long long sum = 0;
for (unsigned i = 0; i < 100000; ++i)
{
for (unsigned c = 0; c < arraySize; ++c)
{
if (data[c] >= 128)
sum += data[c];
}
}
std::cout << sum << std::endl;
}
基本上,当我大约 3 年前编译并运行它时,由于更好的分支预测,第二个代码快了 4 倍。我现在编译运行,几乎是同时运行的,不知道gcc/clang有什么魔力。
最佳答案
这是 gcc 的输出(使用 gcc.godbolt.org,带 -O3)
.L4: //Inner loop
movslq (%rax), %rdx
movq %rdx, %rcx
addq %rsi, %rdx
cmpl $127, %ecx
cmovg %rdx, %rsi
addq $4, %rax
cmpq %rdi, %rax
jne .L4
您可以看到它进行了比较“cmpl $127,$ecx”,但是在比较之后它并没有分支。相反,它总是添加(在比较上方的行中使用“addq”),然后根据比较使用添加的结果(感谢“cmovg”“条件移动”指令)。
它避免了内部循环中的分支,因此性能不依赖于分支预测。因此,对输入进行排序没有任何区别(就像您在第二个示例中所做的那样)。
关于c++ - 分支预测优化,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29076015/