链接阶段启用-ffast-math参数会产生什么作用？

链接时-ffast-math的作用及原理 #

• 首先要明确：-ffast-math不是仅作用于编译阶段的优化开关，当你把参数传递给gcc/clang驱动执行链接流程时，会自动调整链接规则和依赖库：
  1. 自动加入glibc自带的libmvec（向量数学库）到链接依赖列表，这个库提供了大量针对AVX/AVX2/FMA等指令集优化的向量化数学函数实现，完全符合-ffast-math宽松的浮点语义要求，性能远高于默认libm中的标量、严格IEEE754兼容的实现。
  2. 给链接器传递符号优先级参数，让libmvec和fast math专属的数学函数符号优先级高于默认libc/libm的符号，避免生成的向量化代码被链接到慢的标量降级实现。
• 你遇到的「仅编译开参数无性能提升」的问题，本质就是编译阶段-ffast-math让编译器生成了调用向量化数学函数的代码，但链接阶段没有对应参数，链接器找不到libmvec的符号，只能退而求其次链接默认的标量实现，向量化优化完全失效，自然性能上不去。

关于是否链接特殊库的问题 #

是的，Linux环境下开启链接阶段-ffast-math确实会链接系统自带的特殊数学库：就是glibc组件里的libmvec.so，这个库是随系统glibc预装的，不需要额外安装。
你之前遇到的AVX代码性能偏低的问题，根源就是没链接到这个优化的向量数学库，全链路加-ffast-math后正确链接libmvec的AVX实现，性能自然回归正常。

Windows环境性能无法提升的原因 #

Windows平台的默认C运行时（UCRT/MSVCRT）没有提供类似libmvec的、面向-ffast-math语义优化的向量化数学库，就算clang编译阶段开了-ffast-math生成了向量化调用，链接阶段也没有对应的优化库可以用，只能用UCRT里的标量实现，所以性能达不到Linux下的水平。如果要在Windows下拿到相当的性能，可以手动链接第三方优化数学库（比如Intel IPP、开源的SIMD数学库）。

内容的提问来源于stack exchange，提问作者TianZerL