消除循环内分支的C代码为何运行速度更慢？

近期研读Agner Fog优化手册，受其通过位掩码消除循环内if分支并迁移至AVX寄存器的案例启发，我编写了仅移除分支、未使用AVX的无分支版本代码SelectAddMul2：

//my toy example
void SelectAddMul2(int aa[], int bb[], int cc[], int sz)
{
  int m ;
  for(int i=0; i < sz; i++) {
    m = (bb[i] ^ bb[i]-1) >> 1;
    int m1 = (cc[i] + 2) & ~m;
    int m2 = (bb[i] * cc[i]) & m;
    aa[i] = (m1 | m2);
  }
}

原带分支的代码为SelectAddMul：

//agner fog example original
void SelectAddMul(int aa[], int bb[], int cc[], int sz)
{
  for (int i=0; i < sz; i++){
    aa[i] = (bb[i] > 0)? (cc[i] + 2) : (bb[i] * cc[i]);
  }
}

经测试，两段代码功能一致，但无分支版本运行速度更慢。查看汇编可知无分支版本已消除内部分支，即使开启-O2优化后仍略逊一筹。我疑惑：无分支代码无分支预测失误，为何运行速度反而更慢？

核心原因分析 #

• 指令数量与执行开销差异
  无分支版本单循环迭代包含大量算术与位操作：异或、减法、右移、加法、两次按位与、一次按位或，还包含延迟极高的乘法指令。而带分支版本在分支预测准确时，仅需执行比较+加法/乘法中的一项操作，实际执行指令数更少，单周期有效工作更多。

• 分支预测的实际效率远超预期
  现代CPU分支预测器对有规律的分支（比如bb[i]正负分布有明显倾向，或大部分时候为正/负）预测准确率接近100%。预测命中时，分支带来的开销几乎可以忽略，甚至比执行一堆位运算的延迟更低。只有当分支完全随机、预测频繁失误时，无分支版本才会体现优势。

• 指令级并行（ILP）的利用差异
  带分支版本预测正确时，CPU可并行执行后续加载、计算、存储操作；而无分支版本的位运算和乘法存在紧密数据依赖（m依赖bb[i]，m1/m2依赖m），限制了指令级并行的发挥，导致流水线无法充分利用，整体吞吐量下降。

• 编译器优化的针对性
  编译器对带分支代码有成熟的优化策略，比如自动向量化（开启对应选项后）、指令重排等；而手动实现的无分支掩码逻辑，编译器难以进一步优化，反而因额外依赖链限制了优化空间。

若想让无分支版本发挥优势，需结合Agner Fog案例中的AVX向量化——将多组数据打包到SIMD寄存器并行处理，用单条SIMD指令完成多组掩码选择操作，抵消单指令开销的同时，利用SIMD并行性提升吞吐量。单纯移除分支而不做向量化，反而会因单条指令的高开销拖累性能。

内容的提问来源于stack exchange，提问作者Ilian Zapryanov