为何嵌套if比串行if执行速度更快？

问题背景 #

我发现嵌套if比串行if执行速度更快，对此感到困惑。我有一段需要运行1亿次的代码：

if(b8 < 254) {
    if(b8 < 252)
        return data[b8];
    return random_bit() ? data[b8] : -data[b8];
}

其中b8是uint8_t类型的随机数，random_bit()返回0-1的随机数。这段代码通过两次if判断返回值，我将其改写为：

if(b8 < 252)
    return data[b8];
if(b8 < 254)
    return random_bit() ? data[b8] : -data[b8];

改写后return data[b8]仅需一次if判断，但1亿次重复运行时程序慢了约0.01秒。我需要这段代码更快，哪怕只是0.01秒的提升，请问我对这段代码的理解存在误区吗？

另外，代码使用-Ofast编译，生成的汇编代码过于复杂难以理解：

嵌套版本汇编 #

.L2:    ; nested
    cmpb    $-3, %bl
    ja  .L3
    movzbl  %bl, %r12d
    cmpb    $-5, %bl
    ja  .L4
    movsbl  sample_val.8(%r12), %ebx
    addq    $8, %rsp
    movl    %ebx, %eax
    popq    %rbx
    popq    %rbp
    popq    %r12
    popq    %r13
    ret

串行版本汇编 #

.L2:    ; serialized
    cmpb    $-5, %r14b
    jbe .L24
    movl    %r14d, %ebx                 ; inline random_bit()
    movl    $8, %r12d
    movq    cnt.7(%rip), %rdx
    movabsq $4611686018427387904, %r13
    andl    $1, %ebx
    cmpb    $-3, %r14b
    ja  .L19
    testq   %rdx, %rdx
    je  .L6
    shrq    %rdx
    movq    b64.6(%rip), %rax
    movq    %rdx, cnt.7(%rip)

我认为两段代码逻辑等价，但GCC编译后生成了不同的汇编代码。

问题分析与解答 #

核心原因：串行版本存在无用的random_bit()执行 #

你的两段代码逻辑完全等价，但-Ofast优化下的GCC对串行版本做了不恰当的投机执行，导致性能损失：

1. 嵌套版本的执行路径

   • 仅当b8 <254时，才会进入内部分支；
   • 仅当b8 >=252且b8 <254时，才会调用random_bit()；
   • b8 >=254的情况不会触碰到random_bit()的任何代码，完全跳过这部分逻辑。

2. 串行版本的汇编暴露的问题
   从串行版本的汇编代码可以看到：当第一个if(b8 <252)不成立（即b8 >=252）时，GCC提前执行了random_bit()的核心操作（比如访问全局变量cnt.7、b64.6的指令），之后才判断b8 <254。这意味着：

   • 当b8 >=254时，这些random_bit()的操作完全是无用功，白白消耗CPU周期；
   • 1亿次循环中，b8 >=254的情况占比约0.78%（2/256），累计下来就造成了0.01秒的性能差距。

为什么嵌套版本没有这个问题？ #

嵌套结构的分支逻辑层级更清晰，GCC可以明确判断：random_bit()的调用仅在b8 <254且b8 >=252的窄范围场景下才需要执行，因此不会触发投机执行，避免了无用操作。

优化串行版本的方法 #

如果你偏好串行写法，可以通过__builtin_expect给编译器提供分支概率提示，引导它生成更优的代码，避免不必要的投机执行：

if (__builtin_expect(b8 < 252, 1))  // 提示：此分支大概率命中
    return data[b8];
if (__builtin_expect(b8 < 254, 0))  // 提示：此分支大概率不命中
    return random_bit() ? data[b8] : -data[b8];

补充：分支预测的辅助影响 #

嵌套结构的分支预测连贯性更好：第一个分支b8 <254的命中率高达254/256，CPU分支预测器很容易准确预测，后续内部分支会在这个预测命中的上下文里执行，流水线停顿更少；而串行结构中，两次分支的独立性更强，可能增加分支预测的压力，但这不是本次性能差异的主要原因。

内容的提问来源于stack exchange，提问作者AngieJC