编译器优化等级对程序性能的影响

前言

GCC 有 O0、O1、O2、O3 四级优化等级，你知道它们对程序性能有多少影响吗？知道性能差异产生的根本原因是什么吗？今天就和大家一起研究下。

代码示例

combine4.c

#include 

#define COUNT 100000000

int data[] = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9};

void combine4(int *sum)
{
	int k;
	int i;
	*sum = 0;

	for (k = 0; k < COUNT; k++) {
		for (i = 0; i < sizeof(data) / sizeof(data[0]); i++) {
			*sum += data[i];
		}
	}
}

int main(int argc, char *argv[])
{
	int sum = 0;

	combine4(&sum);

	printf("sum = %d\n", sum);

	return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

其中，combine4() 是个累加求和的函数，它就是我们今天研究性能的主角。

性能差异

先直观感受下不同优化等级对应的性能差异

O0

$ gcc books/csapp/combine4.c -o books/csapp/combine4.out -Wall -g -O0
$ time books/csapp/combine4.out 
sum = 205032704

real    0m1.975s
user    0m1.968s
sys     0m0.007s
1
2
3
4
5
6
7

O1

$ gcc books/csapp/combine4.c -o books/csapp/combine4.out -Wall -g -O1
$ time books/csapp/combine4.out 
sum = 205032704

real    0m0.345s
user    0m0.345s
sys     0m0.000s
1
2
3
4
5
6
7

O2

$ gcc books/csapp/combine4.c -o books/csapp/combine4.out -Wall -g -O2
$ time books/csapp/combine4.out 
sum = 205032704

real    0m0.384s
user    0m0.382s
sys     0m0.001s
1
2
3
4
5
6
7

O3

$ gcc books/csapp/combine4.c -o books/csapp/combine4.out -Wall -g -O3
$ time books/csapp/combine4.out 
sum = 205032704

real    0m0.002s
user    0m0.001s
sys     0m0.001s
1
2
3
4
5
6
7

可以看到，以 O0 为基准，O1 和 O2 速度提升了 5 倍，O3 提升了令人难以置信的 987 倍。

探究原因

要想弄清楚速度提升的原因，最好的办法就是看程序对应的汇编代码。
有看不懂汇编的小伙伴，可以去看文章最后的附录，我对每行汇编代码都作了注释。

O0

O1

从 O0 到 O1，一个明显的变化就是指令数量变少了，从 51 行缩减为 34 行，并且这是循环部分的指令，减少的行数要乘以循环次数，单从这方面，就可知能够缩短相当可观的运行时间。（其中一点：O0 使用 eax 来存储计算结果，并在每次计算结束后将结果刷入内存 [rbp-0x18]（对应第 33~35 行），而 O1 直接将计算的结果存入内存 [rdx]（对应第 25 行）。指令从三行变为一行，速度提升。）
另一个变化是，使用寄存器 rsi 存储 data 数组的末尾地址（对应第 15 行汇编代码），使用 rax 存储数组偏移，内层循环的边界判断条件直接使用这两个寄存器进行比较。这种方式省略了变量 i，变量 i 是存储在内存中的，对内存进行取值、自增计算、重新写入内存，要比寄存器操作慢得多，所以这也是提升运行速度的一个重要因素。
另一个变化是，存储 data 数组的末尾地址（对应第 15 行汇编代码），使用该地址作为内层循环边界判断的条件，这样就可以省略 i 变量，省略 i 变量占用寄存器的开销。别小看一个寄存器的开销，要知道常用寄存器的数量总共才十几个，少一个变量的存储，就少了一个寄存器倒腾的开销，效率就会大幅提高。想象一下，有两个杯子，分别装有两种不同颜色的水，让你交换两个杯子中的水，这时候如果能给你一个空杯子倒腾一下，问题就很好解决，否则，甚至无法解决。从这个故事中体会一下一个寄存器能够产生的性能影响程度。

（O2 和 O1 性能差不多，就不进行分析了。）

O3

O3 直接将内层循环给优化掉了，10 次循环展开成 10 次指令，也是牛逼。
这样一来，少了内层循环的边界判断。更重要的是，少一层跳转，就减少一次分支预测判断，这对指令执行的效率有显著提升。

附录

O0

0000000000001169 <combine4>:
# 在间接跳转之后查看下一条指令是不是endbr64。如果指令是endbr64指令，那么该指令会将CPU状态从WAIT_FOR_ENDBRANCH恢复成DLE。另一方面，如果下一条指令不是endbr64，说明程序可能被控制流劫持了，CPU就报错（#CP）。因为按照正确的逻辑，间接跳转后应该需要有一条对应的endbr64指令来回应间接跳转，如果不是endbr64指令，那么程序控制流可能被劫持并前往其它地址（其它任意地址上是以非endbr64开始的汇编代码）（涉及编译器兼容CPU新特性）。——https://blog.csdn.net/clh14281055/article/details/117446588
    1169:    f3 0f 1e fa           endbr64  
# 将rbp数值压入栈中，可分解为：
# rsp = rsp - 8
# rsp = rbp
# https://www.cnblogs.com/tongongV/p/13713210.html
    116d:    55                      push   rbp
# rbp = rsp
    116e:    48 89 e5              mov    rbp,rsp
# [rbp - 0x18] = rdi
# 关于64位汇编的参数传递
# 当参数少于等于 6 个时， 参数从左到右放入寄存器: rdi, rsi, rdx, rcx, r8, r9。
# 当参数为7个及以上时， 前 6 个与前面一样， 但后面的依次从 “右向左” 放入栈中，
# —— https://www.cnblogs.com/volva/p/11814998.html
    1171:    48 89 7d e8           mov    QWORD PTR [rbp-0x18],rdi
# rax = [rbp - 0x18]
# 结合上文，推导出 rax = rdi
    1175:    48 8b 45 e8           mov    rax,QWORD PTR [rbp-0x18]
# [rax] = 0
# 结合上文，推导出 *rdi = 0
# 对应 C 代码 *sum = 0;
    1179:    c7 00 00 00 00 00        mov    DWORD PTR [rax],0x0
# [rbp - 0x8] = 0
# 对应 C 代码 k = 0;
    117f:    c7 45 f8 00 00 00 00    mov    DWORD PTR [rbp-0x8],0x0
# 跳转到 0x11c6
# jmp 无条件跳转指令
    1186:    eb 3e                  jmp    11c6 <combine4+0x5d>
# [rbp - 0x4] = 0
# 对应 C 代码 i = 0;
    1188:    c7 45 fc 00 00 00 00    mov    DWORD PTR [rbp-0x4],0x0
# 跳转到 0x11ba
    118f:    eb 29                  jmp    11ba <combine4+0x51>
# rax = [rbp - 0x18]
# rax = sum
    1191:    48 8b 45 e8           mov    rax,QWORD PTR [rbp-0x18]
# edx = rax
# edx = sum
    1195:    8b 10                  mov    edx,DWORD PTR [rax]
# eax = [rbp - 0x4]
# eax = i
    1197:    8b 45 fc              mov    eax,DWORD PTR [rbp-0x4]
# cdqe使用eax的最高位拓展rax高32位的所有位
# rax = eax
# rax = i
    119a:    48 98                  cdqe   
# rcx = i * 4
    119c:    48 8d 0c 85 00 00 00    lea    rcx,[rax*4+0x0]
    11a3:    00
# rax = data
    11a4:    48 8d 05 75 2e 00 00    lea    rax,[rip+0x2e75]        # 4020  <data>
# eax = rcx + rax
# eax = i * 4 + data
# eax = data[i]
    11ab:    8b 04 01              mov    eax,DWORD PTR [rcx+rax*1]
# edx = edx + eax
# sum = sum + data[i]
    11ae:    01 c2                  add    edx,eax
# rax = sum
    11b0:    48 8b 45 e8           mov    rax,QWORD PTR [rbp-0x18]
# sum = sum
    11b4:    89 10                  mov    DWORD PTR [rax],edx
# i++
    11b6:    83 45 fc 01           add    DWORD PTR [rbp-0x4],0x1
# eax = [rbp - 0x4]
# 即 eax = i;
    11ba:    8b 45 fc              mov    eax,DWORD PTR [rbp-0x4]
# eax 和 0x9 比较
# 对应 C 代码 i < 10;
    11bd:    83 f8 09              cmp    eax,0x9
# 无符号小于或等于，跳转到 0x1191
    11c0:    76 cf                  jbe    1191 <combine4+0x28>
    11c2:    83 45 f8 01           add    DWORD PTR [rbp-0x8],0x1
# [rbp - 0x8] 和 99,999,999 比较
# 对应 C 代码 k < 100000000
    11c6:    81 7d f8 ff e0 f5 05    cmp    DWORD PTR [rbp-0x8],0x5f5e0ff
# 如果小于或等于，跳转到 0x1188
# 汇编指令注解：Jump if less or equal
# —— https://blog.csdn.net/jiarong66/article/details/44350395
    11cd:    7e b9                  jle    1188 <combine4+0x1f>
    11cf:    90                      nop
    11d0:    90                      nop
# 将栈顶数据弹出到 rbp, 可以分解为:
# rbp = rsp
# rsp = rsp - 8
    11d1:    5d                      pop    rbp
# 返回
    11d2:    c3                      ret  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89

O1

0000000000001169 <combine4>:
    1169:	f3 0f 1e fa          	endbr64 
# rdx = sum
    116d:	48 89 fa             	mov    rdx,rdi
# sum = 0;
    1170:	c7 07 00 00 00 00    	mov    DWORD PTR [rdi],0x0
# edi = 100,000,000
    1176:	bf 00 e1 f5 05       	mov    edi,0x5f5e100
# data 数组的末尾
    117b:	48 8d 35 c6 2e 00 00 	lea    rsi,[rip+0x2ec6]        # 4048 <__TMC_END__>
# 跳转到 0x1189
    1182:	eb 05                	jmp    1189 <combine4+0x20>
# edi = edi - 1;
    1184:	83 ef 01             	sub    edi,0x1
# edi - 1 < 0 时, 跳转到 0x119f ?
    1187:	74 16                	je     119f <combine4+0x36>
# rax = data
    1189:	48 8d 05 90 2e 00 00 	lea    rax,[rip+0x2e90]        # 4020 <data>
# ecx = data
    1190:	8b 08                	mov    ecx,DWORD PTR [rax]
# sum = sum + data
    1192:	01 0a                	add    DWORD PTR [rdx],ecx
# data++
    1194:	48 83 c0 04          	add    rax,0x4
# data 是否到达了数组末尾
    1198:	48 39 f0             	cmp    rax,rsi
# 没有的话跳转到 0x1190 // 内层循环
    119b:	75 f3                	jne    1190 <combine4+0x27>
# 跳转到 0x1184 // 外层循环
    119d:	eb e5                	jmp    1184 <combine4+0x1b>
# 函数返回
    119f:	c3                   	ret    
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

O3

00000000000011f0 <combine4>:
    11f0:	f3 0f 1e fa          	endbr64 
# sum = 0
    11f4:	c7 07 00 00 00 00    	mov    DWORD PTR [rdi],0x0
# rdx = sum
    11fa:	48 89 fa             	mov    rdx,rdi
# ecx = 100,000,000
    11fd:	b9 00 e1 f5 05       	mov    ecx,0x5f5e100
# eax = eax 异或 eax
# 是异或运算，两数相反为1；两数相同为0。由于这两个数相同，异或后等于清0
# 由于它比mov eax,0效率高，所以一般用它！
# eax = 0
    1202:	31 c0                	xor    eax,eax
# rsi = data
    1204:	48 8d 35 15 2e 00 00 	lea    rsi,[rip+0x2e15]        # 4020 <data>
# 
    120b:	0f 1f 44 00 00       	nop    DWORD PTR [rax+rax*1+0x0]
# eax = eax + data
    1210:	03 06                	add    eax,DWORD PTR [rsi]
# sum = eax
    1212:	89 02                	mov    DWORD PTR [rdx],eax
# eax = data + 0x4
# eax = eax + data[1]
    1214:	03 05 0a 2e 00 00    	add    eax,DWORD PTR [rip+0x2e0a]        # 4024 <data+0x4>
# sum = eax
    121a:	89 02                	mov    DWORD PTR [rdx],eax
# eax = eax + data[2]
    121c:	03 05 06 2e 00 00    	add    eax,DWORD PTR [rip+0x2e06]        # 4028 <data+0x8>
    1222:	89 02                	mov    DWORD PTR [rdx],eax
    1224:	03 05 02 2e 00 00    	add    eax,DWORD PTR [rip+0x2e02]        # 402c <data+0xc>
    122a:	89 02                	mov    DWORD PTR [rdx],eax
    122c:	03 05 fe 2d 00 00    	add    eax,DWORD PTR [rip+0x2dfe]        # 4030 <data+0x10>
    1232:	89 02                	mov    DWORD PTR [rdx],eax
    1234:	03 05 fa 2d 00 00    	add    eax,DWORD PTR [rip+0x2dfa]        # 4034 <data+0x14>
    123a:	89 02                	mov    DWORD PTR [rdx],eax
    123c:	03 05 f6 2d 00 00    	add    eax,DWORD PTR [rip+0x2df6]        # 4038 <data+0x18>
    1242:	89 02                	mov    DWORD PTR [rdx],eax
    1244:	03 05 f2 2d 00 00    	add    eax,DWORD PTR [rip+0x2df2]        # 403c <data+0x1c>
    124a:	89 02                	mov    DWORD PTR [rdx],eax
    124c:	03 05 ee 2d 00 00    	add    eax,DWORD PTR [rip+0x2dee]        # 4040 <data+0x20>
    1252:	89 02                	mov    DWORD PTR [rdx],eax
    1254:	03 05 ea 2d 00 00    	add    eax,DWORD PTR [rip+0x2dea]        # 4044 <data+0x24>
    125a:	89 02                	mov    DWORD PTR [rdx],eax
    125c:	83 e9 01             	sub    ecx,0x1
    125f:	75 af                	jne    1210 <combine4+0x20>
    1261:	c3                   	ret    
    1262:	66 66 2e 0f 1f 84 00 	data16 nop WORD PTR cs:[rax+rax*1+0x0]
    1269:	00 00 00 00 
    126d:	0f 1f 00             	nop    DWORD PTR [rax]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50