主动避免分支预测失败

主动避免分支预测失败，是在高性能代码优化中非常重要的技巧。分支预测失败会导致CPU流水线被清空，带来10-20个时钟周期的惩罚，远比寻址方式差异（1-2个周期）严重。

硬件层面的优化技巧（区别于软件层面的分支重排）。

一、核心原理：分支预测如何工作

CPU的分支预测器会记录每个跳转指令的历史执行模式：

• 条件跳转：根据历史记录猜测"跳"或"不跳"

• 间接跳转（如函数指针）：根据历史猜测目标地址

预测错误时，流水线中已经预取的指令全部作废，需要重新从正确地址取指。

二、优化技巧一：用查表代替分支（消除分支）

这是最彻底的优化——用内存访问替代条件判断。

原始代码（有分支）

// 将负数转为0，正数保留 int clamp_positive(int x) { if (x < 0) return 0; // ← 这里产生分支 return x; }

优化后（无分支，用位运算）

int clamp_positive(int x) { // 利用符号位：x >> 31 在负数时为 -1 (0xFFFFFFFF)，正数时为 0 // 与 x 相与后，负数变为 0，正数不变 return x & ~(x >> 31); }

机器码对比（x86-64）

实测性能提升：在随机数据下，位运算版比分支版快2-3倍。

三、优化技巧二：用条件移动（CMOV）替换分支

现代CPU支持条件移动指令（cmov），它会在指令执行时根据标志位决定是否移动数据，但不产生分支。

原始代码（有分支）

int max(int a, int b) { if (a > b) return a; // ← 分支 return b; }

优化后（使用cmov）

// 编译时加 -O2，编译器会自动生成 cmov int max(int a, int b) { return (a > b) ? a : b; // 三元运算符通常会被编译为 cmov }

对应的汇编

; 有分支版本（编译优化级别 -O0） cmp edi, esi jle .L_b_greater mov eax, edi jmp .L_done .L_b_greater: mov eax, esi .L_done: ; 无分支版本（编译优化级别 -O2） cmp edi, esi cmovge eax, edi ; 如果 edi >= esi，则 eax = edi cmovl eax, esi ; 否则 eax = esi

注意事项：

• cmov的两条路径都会被执行，只是结果有条件地写入。所以如果a或b的计算有副作用（如解引用空指针），则不能使用cmov。

• cmov本身有1-2个周期的延迟，在分支高度可预测的情况下（如 95% 以上），传统分支可能更快。cmov更适合分支不可预测的场景。

四、优化技巧三：用__builtin_expect提示编译器（软件辅助）

GCC/Clang 的__builtin_expect可以让编译器重新排列代码布局，使常见路径在取指和指令缓存方面更优。

原始代码

void handle_error() { /* 不常发生的错误处理 */ } void process() { /* 正常逻辑 */ } if (unlikely_error) { handle_error(); } else { process(); }

优化版本

// likely: 告诉编译器这个条件 99% 为真 #define likely(x) __builtin_expect(!!(x), 1) #define unlikely(x) __builtin_expect(!!(x), 0) if (unlikely(unlikely_error)) { handle_error(); // ← 编译器会把这块代码放到远离主路径的地方 } else { process(); // ← 主路径代码保持连续 }

编译器生成布局差异

; 未使用 __builtin_expect（普通布局） test eax, eax jne .L_error call process jmp .L_done .L_error: call handle_error .L_done: ; 使用 __builtin_expect（优化布局） test eax, eax je .L_process ; 先判断常见路径 call handle_error ; 错误路径被放到后面，不阻塞取指 jmp .L_done .L_process: call process .L_done:

效果：确保常见路径的代码在内存中是连续的，减少了指令缓存未命中和取指延迟。

五、优化技巧四：循环分支的"展开"处理

循环本身包含隐式分支（判断循环条件）。对于固定次数的循环，可以用循环展开来减少分支次数。

原始代码（有分支）

int sum = 0; for (int i = 0; i < 100; i++) { sum += arr[i]; // ← 每次循环都要判断 i < 100 }

优化后（循环展开）

int sum = 0; for (int i = 0; i < 100; i += 4) { sum += arr[i]; sum += arr[i+1]; sum += arr[i+2]; sum += arr[i+3]; } // 分支次数从 100 次减少到 25 次

更进一步：完全展开（#pragma unroll）

#pragma unroll for (int i = 0; i < 16; i++) { sum += arr[i]; // 编译器会直接展开成 16 条连续的 add 指令 }

效果：循环展开不仅减少分支预测失败，还提高了指令级并行度。

六、高级技巧：使用__builtin_expect_with_probability（GCC 12+）

从 GCC 12 开始，可以指定更精确的概率值，帮助编译器做更精准的优化。

// 告诉编译器这个条件有 99.5% 的概率为真 if (__builtin_expect_with_probability(ptr != NULL, 1, 0.995)) { *ptr = 42; // 常见路径 } else { handle_null(); // 罕见路径 }

七、不同场景下的选择策略

八、实际性能对比（示例）

在Intel Skylake上测试min(a, b)函数，随机输入（分支不可预测）：

在高度可预测输入（如a从 0 递增到 1000）下：

结论：在可预测场景下，传统分支最快；在不可预测场景下，cmov/位运算更优。需要根据实际数据模式选择。