编译器优化完全指南

编译器优化是提升 C++ 性能最”免费”的方式

引言

编译器优化是提升 C++ 性能最”免费”的方式。本文汇总了最新的编译器优化技术。

1. GCC/Clang 优化选项

基本优化级别

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# -O0: 无优化（调试用）
g++ -O0 -g file.cpp

# -O1: 基本优化
g++ -O1 file.cpp

# -O2: 标准优化（常用）
g++ -O2 file.cpp

# -O3: 激进优化
g++ -O3 file.cpp

# -Os: 优化代码大小
g++ -Os file.cpp

# -Ofast: 激进数值优化
g++ -Ofast file.cpp

架构特定优化

1
2
3
4
5
6
7
8
9
10
# 针对本地CPU优化
g++ -O3 -march=native file.cpp

# 针对特定架构
g++ -O3 -march=skylake file.cpp
g++ -O3 -march=armv8-a file.cpp

# 向量化选项
g++ -O3 -mavx2 -mfma file.cpp  # AVX2 + FMA
g++ -O3 -mavx512f file.cpp     # AVX-512

跨编译单元优化

1
2
3
4
5
# 完整LTO
g++ -O3 -flto file1.cpp file2.cpp

# Thin LTO（更快编译）
g++ -O3 -flto=thin file1.cpp file2.cpp

CMake 配置

1
2
3
4
5
6
7
8
# 启用 LTO
include(CheckIPOSupported)
check_ipo_supported(RESULT ipo_supported)
if(ipo_supported)
    set(CMAKE_INTERPROCEDURAL_OPTIMIZATION TRUE)
endif()

set(CMAKE_CXX_FLAGS_RELEASE "-O3 -flto")

3. 配置文件引导优化 (PGO)

使用流程

1
2
3
4
5
6
# 1. 编译 + 生成prof数据
g++ -O3 -fprofile-generate -fprofile-info-section=.text.fdo main.cpp
./a.out  # 运行，生成 gmon.out

# 2. 使用prof数据优化编译
g++ -O3 -fprofile-use -fprofile-info-section=.text.fdo main.cpp

4. 常用优化选项详解

内联优化

1
2
3
4
5
6
7
8
# 强制内联
__attribute__((always_inline)) void func() {}

// 禁用内联
__attribute__((noinline)) void func() {}

// 提示内联级别
__attribute__((flatten)) void func() {}  # 尽量展平

向量化

1
2
3
4
5
# 强制向量化
g++ -O3 -ftree-vectorize -fopt-info-vec-optimized

# 报告向量化信息
g++ -O3 -fopt-info-vec-optimized -fopt-info-vec-missed

5. Clang 特有优化

Clang 特定选项

1
2
3
4
5
6
7
8
9
10
11
# 时间优化
clang -O3 -Rpass=.* file.cpp  # 报告所有优化

# 循环优化
clang -O3 -mllvm -loop-vectorize file.cpp

# SLP 向量化
clang -O3 -mllvm -slp-vectorize file.cpp

# ThinLTO
clang -O3 -flto=thin -fuse-ld=lld

6. 调试优化代码

查看汇编

1
2
3
4
5
6
7
8
# 生成汇编
g++ -O2 -S file.cpp -o file.s

# 带源码的汇编
g++ -O2 -g -S file.cpp -o file.s

# 使用 objdump
objdump -d -S a.out > dump.s

使用 Godbolt

访问 godbolt.org 实时查看编译输出。

7. 编译器 intrinsic

SIMD intrinsic

1
2
3
4
5
6
7
8
9
10
11
#include <immintrin.h>

// AVX2 加法
__m256d a, b;
__m256d result = _mm256_add_pd(a, b);

// AVX2 矩阵乘法
__m256d a1 = _mm256_load_pd(A);
__m256d b1 = _mm256_set1_pd(b[i]);
__m256d prod = _mm256_mul_pd(a1, b1);
__m256d sum = _mm256_add_pd(prod, sum);

8. 优化最佳实践

CMake 建议

1
2
3
4
5
6
7
8
9
10
# Release 优化配置
set(CMAKE_CXX_FLAGS_RELEASE
    "-O3 -march=native -flto -fno-stack-protector")

# Debug 不优化
set(CMAKE_CXX_FLAGS_DEBUG
    "-O0 -g -Wall")

# 统一设置
add_compile_options(-Wall -Wextra)

总结

优化方式 效果 成本
-O2/-O3 基础 免费
-march=native 10-30% 免费
LTO 10-20% 编译时间
PGO 10-30% 两阶段编译
Intrinsic 依赖实现 编码复杂度

本文档基于 xania.org Compiler Advent 扩展而成