AVX编译未获相比SSE的性能提升，求原因分析

核心原因分析 #

1. 内存带宽成为性能瓶颈 #

你的测试数组大小为409600000个uint64_t元素，单个数组容量约为3.2GB（409600000 * 8字节）。以加法操作为例，每次计算需要读取两个输入数组、写入一个结果数组，总数据吞吐量极高。此时CPU的计算能力并非瓶颈，内存读写速度限制了整体性能——AVX虽然能单次处理更多数据，但内存无法提供足够快的带宽，导致计算层面的优势被完全掩盖。

2. 编译器自动向量化未充分生效 #

• 你使用new分配的数组默认不保证32字节对齐，而AVX指令要求内存操作数必须对齐到32字节边界，否则会触发额外的对齐处理开销，抵消AVX的性能优势。
• 字符串比较模块中，vector<bool>采用位压缩存储，每个元素仅占1位，这种存储模式不利于编译器进行向量化优化，SIMD指令无法高效批量处理这类数据。

3. 部分运算的SIMD固有局限性 #

除法、取模这类运算的SIMD指令吞吐量提升有限：AVX2的64位整数除法指令与SSE相比，并没有显著的吞吐量优势，因此这两类操作在两种编译模式下性能接近。乘法操作虽然AVX能单次处理更多元素，但内存瓶颈同样掩盖了计算差异。

优化方案 #

1. 强制内存对齐 #

使用_aligned_alloc分配符合AVX要求的32字节对齐内存，替换原有的new：

uint64_t* array1 = (uint64_t*)_aligned_alloc(32, size * sizeof(uint64_t));
uint64_t* array2 = (uint64_t*)_aligned_alloc(32, size * sizeof(uint64_t));
uint64_t* result = (uint64_t*)_aligned_alloc(32, size * sizeof(uint64_t));
// 释放时使用_free而非delete
_free(array1);
_free(array2);
_free(result);

2. 缩小测试数据规模以规避内存瓶颈 #

将数组大小调整为能放入CPU L3缓存的量级（例如1000万左右），此时内存读写不再是瓶颈，AVX的计算优势会明显体现出来。

3. 手动编写SIMD代码替代自动向量化 #

直接使用AVX2 intrinsics指令实现循环，确保充分利用256位寄存器宽度：

void test_int_vectorization_avx(int32_t size) {
    uint64_t* array1 = (uint64_t*)_aligned_alloc(32, size * sizeof(uint64_t));
    uint64_t* array2 = (uint64_t*)_aligned_alloc(32, size * sizeof(uint64_t));
    uint64_t* result = (uint64_t*)_aligned_alloc(32, size * sizeof(uint64_t));

    // 填充数组（省略计时）
    for (int i = 0; i < size; ++i) {
        array1[i] = 1000 + i;
        array2[i] = 500 + i;
    }

    auto t2 = high_resolution_clock::now();
    int vec_batch = size / 4; // AVX2一次处理4个uint64_t（256位）
    for (int i = 0; i < vec_batch; ++i) {
        __m256i a = _mm256_load_si256((__m256i*)&array1[i*4]);
        __m256i b = _mm256_load_si256((__m256i*)&array2[i*4]);
        __m256i res = _mm256_add_epi64(a, b);
        _mm256_store_si256((__m256i*)&result[i*4], res);
    }
    // 处理剩余未对齐的元素
    for (int i = vec_batch*4; i < size; ++i) {
        result[i] = array1[i] + array2[i];
    }
    auto t3 = high_resolution_clock::now();
    auto operation_duration = duration_cast<milliseconds>(t3 - t2);
    std::cout << "AVX Add completed in " << to_string(operation_duration.count()) << " ms \n";

    _free(array1);
    _free(array2);
    _free(result);
}

4. 替换vector<bool>优化字符串比较 #

vector<bool>的位压缩存储会严重降低访问效率，改用vector<char>替代：

vector<char> areSame(size);

内容的提问来源于stack exchange，提问作者Sachendra Singh