为什么不同优化等级下std::count_if与显式循环性能表现相反？

O1优化等级迭代写法性能更高的原因 #

O1属于基础优化等级，仅会做冗余代码消除、简单指令调度这类保守优化，不会开启激进的内联、循环向量化策略：

• std::count_if是标准库模板函数，调用时传入的lambda属于可调用对象，O1等级下编译器不会完整做两层内联（count_if本身的内联+lambda谓词的内联），每次遍历元素都会产生lambda函数调用、栈帧切换的额外开销。
• 手写范围for循环没有额外的函数调用开销，所有逻辑都在当前函数栈帧内执行，自然性能更优。

对应迭代写法代码：

const std::vector<int> vec {1,8,2,96,47,23};
int sum {};
for(const auto& i: vec)
   sum += (i % 2) ? 1 : 0;

在O1下会直接被编译成连续的内存读取、判断、累加指令，没有额外跳转开销。

O3/Ofast优化等级算法写法性能更优的原因 #

O3、Ofast属于激进优化等级，会开启全量内联、循环向量化、循环展开、分支消除等优化：

• 此时编译器会完全内联std::count_if的实现和lambda谓词，完全消除函数调用开销，两段代码的基础逻辑在编译后已经没有本质区别。
• 但STL算法是标准库开发者针对编译器优化做过定向适配的：
  • 针对随机访问迭代器（比如std::vector的迭代器），std::count_if的标准库实现会做主动的循环展开、边界预判断优化，减少循环的分支预测失败概率；
  • 算法的遍历逻辑完全符合编译器自动向量化的识别规则，很容易被编译器转换成SIMD指令，单次指令可以同时判断4~8个int元素的奇偶性，并行计算累加值，性能提升非常明显；
  • 手写迭代写法里的三目表达式(i % 2) ? 1 : 0部分编译器在优化时可能会残留分支判断逻辑，而std::count_if的lambda返回的是布尔值，编译器可以直接将布尔值转换为0/1做累加，完全消除分支开销。

对应算法写法代码：

const std::vector<int> vec {1,8,2,96,47,23};
const int sum = std::count_if(vec.begin(), vec.end(), [](const int& i){return i % 2 != 0;});

在高优化等级下生成的SIMD指令密度会远高于手写循环，最终性能更优。

内容的提问来源于stack exchange，提问作者Bol