概念

编译反馈优化(PGO) 可以优化整个可执行文件，其中优化程序使用的数据是通过对程序文件进行测试运行得到的。 这些数据表示程序在生产环境中的可能性能。

编译反馈优化通常包括以下手段：

• Inlining，例如函数 A 频繁调用函数 B，B 函数相对小，则编译器会根据计算得出的 threshold 和 cost 选择是否将函数 B inline 到函数 A 中。
• Virtual Call Speculation，如果一个虚函数调用，或其他通过函数指针的调用，经常以某个函数为目标，编译反馈优化可以插入一个有条件执行的直接调用到经常目标的函数，而且直接调用可以被内联。
• ICP（Indirect call promotion），如果间接调用（Call Register）非常频繁地调用同一个被调用函数，则编译器会插入针对目标地址的比较和跳转指令。使得该被调用函数后续有了 inlining 和更多被优化机会，同时增加了 icache 的命中率，减少了分支预测的失败率。
• Register allocation，编译器能使用运行时数据做更好的寄存器分配。
• Basic block optimization，编译器能根据基本块的执行次数进行优化，将频繁执行的基本块放置在接近的位置，从而优化 data locality，减少访存开销。
• Size/speed optimization，编译器根据函数的运行时信息，对频繁执行的函数选择性能高于代码密度的优化策略。
• Function layout，类似于 Basic block optimization，编译器根据 Caller/Callee 的信息，将更容易在一条执行路径上的函数放在相同的段中。
• Condition branch optimization，编译器根据跳转信息，将更容易执行的分支放在比较指令之后，增加 icache 命中率。
• Dead Code Separation，在分析期间未被调用的代码将被移动到附加到节末尾的特殊节中。它有效地将该部分排除在常用页面之外。
• EH Code Separation，因为异常代码只是在特殊情况下执行，所以它通常可以被移到一个单独的节中。当编译反馈优化可以确定异常只发生在特殊情况下时，它就会被移走。
• Memory intrinsics，编译器根据 intrinsics 的调用频率选择是否将其展开，也能根据 intrinsics 接收的参数优化 memcpy 等 intrinsics 的实现。

例子

#include <stdio.h>
#include <stdlib.h>
#include <sys/time.h>
#define ARRAY_LEN 30000

static struct timeval tm1;

static inline void start() {
    gettimeofday(&tm1, NULL);
}

static inline void stop() {
    struct timeval tm2;
    gettimeofday(&tm2, NULL);
    unsigned long long t = 1000 * (tm2.tv_sec - tm1.tv_sec) +\
                           (tm2.tv_usec - tm1.tv_usec) / 1000;
    printf("%llu ms\n", t);
}

void bubble_sort (int *a, int n) {
    int i, t, s = 1;
    while (s) {
        s = 0;
        for (i = 1; i < n; i++) {
            if (a[i] < a[i - 1]) {
                t = a[i];
                a[i] = a[i - 1];
                a[i - 1] = t;
                s = 1;
            }
        }
    }
}

void sort_array() {
    printf("Bubble sorting array of %d elements\n", ARRAY_LEN);
    int data[ARRAY_LEN], i;
    for(i=0; i<ARRAY_LEN; ++i){
        data[i] = rand();
    }
    bubble_sort(data, ARRAY_LEN);
}

int main(){
    start();
    sort_array();
    stop();
    return 0;
}

对比

$ gcc fdo.c -o fdo
$ ./fdo
Bubble sorting array of 30000 elements
3251 ms

$ gcc -O3 fdo.c -o fdo
$ ./fdo
Bubble sorting array of 30000 elements
2539 ms

 gcc  fdo.c  -o fdo -fprofile-generate
$ ./fdo
Bubble sorting array of 30000 elements
3256 ms
$ gcc fdo.c  -o fdo -fprofile-use=fdo.gcda
$ ./fdo
Bubble sorting array of 30000 elements
3268 ms

$ gcc  -O3 fdo.c  -o fdo -fprofile-generate
$ ./fdo
Bubble sorting array of 30000 elements
2136 ms
$ gcc -O3 fdo.c  -o fdo -fprofile-use=fdo.gcda
$ ./fdo
Bubble sorting array of 30000 elements
2081 ms

结果