LLVM的branch-prob标记工作原理及分支概率结果异常问题咨询

LLVM的-branch-prob对应Lazy Branch Probability Analysis pass，核心作用是计算IR中每个控制流边的执行概率，供后续指令调度、循环展开、分支预测hint插入等优化使用。它的概率来源优先级如下：

• 优先使用PGO（剖面引导优化）生成的运行时统计数据：如果编译时加入了实际运行采样得到的剖面数据，这个pass会直接使用真实运行的分支执行频率，结果和实际执行情况一致。
• 无PGO数据时，使用内置的静态启发式规则：这些规则是基于通用代码模式的经验预设值，常见规则包括：
  • 循环回边默认标记为高概率执行（你输出里循环条件跳转循环体的96.88%概率，就是LLVM默认假设循环平均迭代32次，推导得出的退出概率为1/32≈3.12%，和你的输出完全吻合）
  • 指针判空、异常处理、错误返回类分支默认标记为低概率
  • 没有匹配到任何预设模式的普通条件分支，默认给两个分支各分配50%的概率。

这个pass本身不负责深度静态值范围分析、循环迭代次数推导，也不会主动解析宏定义常量来推导分支成立概率，这类分析属于其他LLVM pass的职责范围，默认不会和-branch-prob联动。

你代码中的if(i != N)分支，刚好属于无PGO数据、也没有匹配到任何预设启发式规则的普通条件分支：

1. 你没有开启PGO流程，pass没有运行时数据可以参考，只能走静态启发式逻辑。
2. 这个条件既不是循环退出判断，也不是指针判空、错误处理这类有默认权重的模式，pass不会主动推导N是常量20000，也不会跟踪循环变量i的取值范围，判断这个条件只会在第一次循环时不成立、剩余19999次都成立。
3. 对这类无特征的普通分支，-branch-prob就会按默认规则给两个方向各分配50%的概率，也就是你看到的for.body -> for.inc（对应i != N成立走continue的分支）和for.body -> if.end（对应i == N走printf的分支）各50%的结果。

如果想要得到符合实际执行概率的结果，可以开启PGO编译流程：先插桩运行程序生成剖面数据，再用剖面数据重新编译后做分支概率分析，就能得到接近1/20000的概率结果。

内容的提问来源于stack exchange，提问作者Shane