无分支堆排序为何比有分支版本快1.5倍？

我了解CPU分支预测惩罚等概念，也知道无分支代码能提升性能，但想理解某Rust代码补丁为何让堆排序速度提升1.5倍（而非预期的1.1倍左右）。PR作者在Zen 3上测得1.5倍提速，我在Zen 2（Ryzen 3900x）上测得的提速略高。

代码修改对比 #

- if child + 1 < v.len() && is_less(&v[child], &v[child + 1]) {
-     child += 1;
+ if child + 1 < v.len() {
+     child += is_less(&v[child], &v[child + 1]) as usize;
}

相关前置说明 #

• 查看汇编代码后确认：if块内的child += 1被转换为简单的寄存器间移动操作，编译器用两个寄存器分别保存child和child+1，因此if块内无内存访问。
• 测试使用的数组包含10k元素，可完全放入CPU的L1缓存。

我对提速的现有理解 #

1. AMD uProf分析结果：
   • 无分支版本的CPI约为0.45，有分支版本约为0.9。
   • 无分支版本的分支误预测率约0.5%，有分支版本约10%（针对所有分支，其他分支的预测难度极低）。
2. 整个循环的汇编代码包含24条指令，若CPI=0.45，完美分支预测下约需11-12个周期。
3. 结合多数分支预测近乎完美的情况，推测被优化的目标分支误预测率约25%-30%（或更高）。
4. 根据微架构技术文档，Zen 3的分支误预测惩罚为18周期。若误预测率为30%，每个循环会额外增加约6周期，导致循环整体慢33%（计算方式：6/(12+6)）。

疑问 #

我的上述理解是否正确？有没有遗漏的关键因素？还有哪些工具能帮助我深挖具体细节？

更新 #

1. 已上传无分支版本与未优化版本的汇编代码。
2. 已生成对应的汇编代码对比页面。

内容的提问来源于stack exchange，提问作者Hadi Moshayedi