如何获取Clang编译器循环向量化成本模型无收益的详细原因？

背景 #

我在用C语言编写程序，尝试通过Clang编译器实现循环向量化。按照LLVM官方文档设置了以下编译选项：

CFLAGS += -fsave-optimization-record
CFLAGS += -Rpass-missed=loop-vectorize 
CFLAGS += -Rpass-analysis=loop-vectorize

这些选项会在控制台输出提示信息，并生成YAML格式的优化报告，可通过LLVM的optview.py工具查看。但输出信息非常简短，仅显示：

loop-vectorize: the cost-model indicates that vectorization is not beneficial 
loop-vectorize: the cost-model indicates that interleaving is not beneficial

想知道如何获取成本模型认为循环向量化无收益的详细原因。

解决方法 #

• 启用成本模型调试日志
  给编译选项添加-mllvm -debug-only=loop-vectorize，这会让Clang输出循环向量化阶段的完整调试细节，包括成本模型对循环体中每条指令的成本计算、内存访问模式分析、循环迭代次数预估、向量指令的延迟与吞吐量对比等信息，直接在控制台就能看到具体哪些因素导致向量化收益不足。

• 深挖YAML优化报告内容
  fsave-optimization-record生成的YAML文件里，除了表面的提示文本，还包含LoopVectorizePass的完整分析数据。直接用文本编辑器打开YAML文件，定位到对应循环的分析节点，里面会记录成本模型的具体评估项，比如内存是否对齐、循环体的指令复杂度、向量化后的指令调度开销等关键决策依据。

• 用LLVM opt工具单独分析
  先把C代码编译为LLVM IR：

  clang -S -emit-llvm your_code.c -o your_code.ll
  

  再用opt工具单独运行循环向量化优化并开启调试：

  opt -loop-vectorize -debug-only=loop-vectorize your_code.ll -o /dev/null
  

  这种方式能精准聚焦目标循环的分析过程，输出的调试信息会详细列出成本模型的每一步计算和决策逻辑。

内容的提问来源于stack exchange，提问作者mivkov