编译优化：-O 级别 / 内联 / LTO / PGO / march / fast-math

HPC 面试围绕“怎么让编译帮你更快”。答好 = 说清各级别做什么、为什么、什么时候不该激进。

一、常见优化等级

开关	含义
-O0	不优化：忠实代码、方便调试、全符号可看（默认 debug）
-O1	基本优化：消除死代码、常量折叠、大部分通用
-O2（release 默认）	更多：内联、自动向量化(dep)、循环变换的一大部分；一般代码的最优
-O3	O2 之上再激进：更积极内联、更多向量化、函数内分配提升、可能展开循环。稳定但有时二进制更大、Cache 反而变差
-Os	为减小代码尺寸（偏嵌入式/内存紧张）
-Ofast	-O3 + 允许违标准假设（等同 -ffast-math 等）：宁可用 -O3 + 明确 fast-math 场景

经验法则：

• 一般 server 用 -O2 稳；数值内核可试 -O3 -march=native，如性能不回退就用之。
• -O3 不是必然更快：更大的内联/展开可能爆 icache/增加寄存器压力 → 要以基准为准。
• -Og：优化但仍可调试，开发用。

二、内联 inline（重要细节）

inline（关键字）只是提示；编译器自行决定（-O0 下基本都不内联；-O2+ 自动内联启发式）。真正的内联好处：免调用开销 + 让常量传播/消除越深（跨函数优化机会）。

跨翻译单元限制：

• 每个 TU 单独优化，别的 .cpp 的函数体看不+到 → 无法内联跨 .cpp 的函数。
• 解决：
  1. 头文件 inline（成员函数/模板天然跨 TU）；
  2. LTO（链接期统一 IR 后内联跨 TU）。
• attribute((always_inline))/[[gnu::always_inline]] 可强制；不常用且小心膨胀。

三、LTO（link-time optimization）

原理：各 .o 先存中间表示（IR/GIMPLE）而不立即降成最终机器码，链接期把全部 IR 汇集一次统一再优化（跨函数/跨 TU 内联、常量传播、死代码消除）。

• 收益：跨模块内联、常量折叠穿透边界、整程序见树、去除未用符号。
• 代价：链接明显变慢、内存高、与某些编码不符（函数指针被优化掉需注意）、需要库都用 LTO。
• 用法：g++ -flto（链接与编译都加）；还有 -fno-fat-lto-objects 等。

四、PGO（profile-guided optimization）

流程：

1) -fprofile-generate 编译 → 跑代表性负载(收集分支/执行频)
2) -fprofile-use 重新编译 → 按 hot/cold 布局、分支预测、决定内联/展开、局部性摆放

• 收益：按真实流量而非静态猜测优化分支/热块/内联。
• HPC/服务端（负载可代表性）收益明显；注意 profile 与真实负载偏差会反向伤害，需跑代表性 dataset + 回归。

五、-march=native 与 -mtune

• -march=native：启用本机 CPU 全套指令（如 AVX2/AVX-512、FMA、BMI）——向量化关键，能显著提速数值 kernel。
• 代价：产物不再能跑到旧 CPU（非法指令崩溃）→ 发布到异构集群需用通用 -march=x86-64-v3 或运行时 dispatch。
• -mtune：不启用新指令，只按指定 uarch 选调度。

六、-ffast-math 危险（重点讲清）

-ffast-math 集合：忽略 NaN/Inf 假设、允许重结合违反 IEEE（如 a+(b+c) 改成 (a+b)+c）、不保证舍入一致、-0.0、假设无 signed zero 等 → 数值结果可能悄悄错误。

• HPC：若你不做精确 IEEE 且确保算法条件良好可开；分布式/加密/需要 bit 级确定结果 → 不要开。
• 对比：-fno-math-errno/-freciprocal-math 单独开小优化更稳。

七、向量化提示（编译器角度）

• 要自动向量化需：循环可数、无别名歧义（__restrict__）、无控制流（或可 if-conv）、数据对齐（alignas(64) 让 compiler 用对齐 load）。
• #pragma omp simd / #pragma GCC ivdep 提示可向量化意图。
• 想确认生成 SIMD：反汇编看 movaps/vaddps 或 -fopt-info-vec -fopt-info-vec-missed。

八、给面试官一套“把 kernel 编译调快”的口径

1. 先 -O2 基准；
2. 数值热内核：-O3 -march=native -flto，必要时 -ffast-math（项目验证数值稳定）；
3. 用 intrinsic 显式 SIMD 或让编译器 auto-vector，检查是否真的向量化；
4. LTO 打开跨 TU 内联，profile 指导再上 PGO——每步都 benchmark，别依赖直觉；
5. 若开 O3 变慢（icache/内存），回退 O2/Og。

九、快速自测

1. inline 关键字保证内联吗？（不，编译器决定）
2. 为什么 .cpp 里的函数在别的 TU 调不到 = 无法内联？跨 TU 用 LTO 才能拿函数体。
3. -march=native 在异构机台的坑？—— 非法指令；用 runtime dispatch。
4. 什么时候谨慎 fast-math/为什么？