如何避免MSVC带分支时SIMD寄存器溢出到内存的糟糕代码生成？

测试代码 #

#include <immintrin.h>

[[gnu::target("avx2")]]
[[msvc::noinline]]
void f(void *a, bool c, long long &d)
{
        using V = __m256i;
        V v = _mm256_loadu_si256(reinterpret_cast<V const *>(a));
        if (c)
        {
                --d;
        }
        V sum = _mm256_add_epi64(
                v,
                _mm256_loadu_si256(reinterpret_cast<V const *>(a)));
        _mm256_storeu_si256(reinterpret_cast<V *>(a), sum);
}

Clang生成的汇编代码 #

f(void*, bool, long long&):
        vmovdqu ymm0, ymmword ptr [rdi]
        vmovdqa ymm1, ymm0
        test    esi, esi
        je      .LBB0_2
        dec     qword ptr [rdx]
        vmovdqu ymm1, ymmword ptr [rdi]
.LBB0_2:
        vpaddq  ymm0, ymm1, ymm0
        vmovdqu ymmword ptr [rdi], ymm0
        vzeroupper
        ret

MSVC生成的汇编代码 #

void f(void *,bool,__int64 &) PROC                        
$LN5:
        push    rbp
        sub     rsp, 64                            
        lea     rbp, QWORD PTR [rsp+32]
        and     rbp, -32                     
        vmovdqu ymm0, YMMWORD PTR [rcx]
        vmovdqu YMMWORD PTR v$1$[rbp], ymm0
        test    dl, dl
        vzeroupper
        je      SHORT $LN2@f
        dec     QWORD PTR [r8]
$LN2@f:
        vmovdqu ymm0, YMMWORD PTR [rcx]
        vpaddq  ymm1, ymm0, YMMWORD PTR v$1$[rbp]
        vmovdqu YMMWORD PTR [rcx], ymm1
        vzeroupper
        add     rsp, 64                            
        pop     rbp
        ret     0

从汇编对比可见：MSVC在分支前将SIMD寄存器内容溢出到栈内存，分支后重新从内存加载；Clang则全程将值保存在寄存器中，避免了不必要的内存读写，效率更高。这种行为属于非预期的优化缺失，会阻碍代码性能。

是否为已知问题？ #

是的，这是MSVC优化器处理AVX/SSE寄存器与分支交互时的常见短板。微软开发者社区及相关技术论坛中已有不少类似反馈，核心原因是MSVC的寄存器分配策略在部分分支场景下过于保守，倾向于将SIMD寄存器内容溢出到栈，而非尝试跨分支保留寄存器值。

必须保留分支的前提下，如何避免该问题？ #

可以通过以下几种方式引导MSVC优化器保留寄存器值：

• 调整代码结构，拆分分支与SIMD操作的依赖
  将分支操作移至SIMD变量生命周期之外，消除分支对寄存器分配的干扰。示例：

  #include <immintrin.h>
  
  [[gnu::target("avx2")]]
  [[msvc::noinline]]
  void f(void *a, bool c, long long &d)
  {
          using V = __m256i;
          // 先执行分支操作，再处理SIMD逻辑
          if (c)
          {
                  --d;
          }
          V v = _mm256_loadu_si256(reinterpret_cast<V const *>(a));
          V sum = _mm256_add_epi64(
                  v,
                  _mm256_loadu_si256(reinterpret_cast<V const *>(a)));
          _mm256_storeu_si256(reinterpret_cast<V *>(a), sum);
  }
  

• 使用MSVC特定优化属性消除别名顾虑
  通过__declspec(noalias)标记参数，告知编译器指针指向的内存无重叠，减少其对内存冲突的担忧，从而更放心地保留寄存器值：

  [[gnu::target("avx2")]]
  [[msvc::noinline]]
  void f(__declspec(noalias) void *a, bool c, __declspec(noalias) long long &d)
  {
          // 原代码逻辑
          using V = __m256i;
          V v = _mm256_loadu_si256(reinterpret_cast<V const *>(a));
          if (c)
          {
                  --d;
          }
          V sum = _mm256_add_epi64(
                  v,
                  _mm256_loadu_si256(reinterpret_cast<V const *>(a)));
          _mm256_storeu_si256(reinterpret_cast<V *>(a), sum);
  }
  

• 消除中间变量，合并SIMD操作
  直接在加法操作中重复使用加载结果，避免显式声明中间变量v，减少编译器对变量跨分支存储的顾虑：

  #include <immintrin.h>
  
  [[gnu::target("avx2")]]
  [[msvc::noinline]]
  void f(void *a, bool c, long long &d)
  {
          using V = __m256i;
          if (c)
          {
                  --d;
          }
          V sum = _mm256_add_epi64(
                  _mm256_loadu_si256(reinterpret_cast<V const *>(a)),
                  _mm256_loadu_si256(reinterpret_cast<V const *>(a)));
          _mm256_storeu_si256(reinterpret_cast<V *>(a), sum);
  }
  

内容的提问来源于stack exchange，提问作者user541686