GCC编译选项作用 “每日读书”

gcc -O1

• -fauto-inc-dec：自动递增和递减操作，编译器会自动识别并优化。
• -fbranch-count-reg：开启条件分支计数寄存器，帮助编译器更好地预测控制流。
• -fcombine-stack-adjustments：合并栈调整，编译器会尝试合并相邻的栈调整操作。
• -fcompare-elim：消除比较操作，编译器会尝试消除不必要的比较操作。
• -fcprop-registers：传播寄存器，编译器会尝试将变量保留在寄存器中，以减少内存访问。
• -fdce： dead code elimination，消除无用代码，编译器会删除未被引用的代码。
• -defer-pop：延迟弹出，编译器会延迟弹出栈帧，以提高性能。
• -delayed-branch：延迟分支，编译器会尝试延迟分支操作，以提高预测准确性。
• -fdse：数据流分析和优化，编译器会对代码进行数据流分析，并进行相应的优化。
• -fforward-propagate：向前传播，编译器会尝试向前传播函数调用的结果，以减少重复计算。
• -guess-branch-probability：猜测分支概率，编译器会尝试预测分支的概率，以提高预测准确性。
• -if-conversion2：整数到浮点数的转换，编译器会尝试进行整数到浮点数的转换。
• -inline-functions-called-once：内联函数调用，编译器会将只被调用一次的函数内联，以提高性能。
• -ipa-pure-const：纯常量传播，编译器会尝试传播纯常量，以减少计算。
• -ipa-profile：Profile guided optimization，编译器会根据Profile信息进行优化。
• -ipa-reference：引用计数优化，编译器会尝试优化引用计数，以提高性能。
• -merge-constants：合并常量，编译器会尝试合并相邻的常量。
• -move-loop-invariants：移动循环不变量，编译器会尝试将循环不变量移动到循环之外，以减少重复计算。
• -reorder-blocks：重新排序块，编译器会尝试重新排序基本块，以提高性能。
• -shrink-wrap：收缩包装，编译器会尝试收缩包装，以减少内存访问。
• -shrink-wrap-separate：收缩包装分离，编译器会尝试收缩包装，以减少内存访问。
• -split-wide-types：拆分宽类型，编译器会尝试拆分宽类型，以提高内存访问效率。
• -ssa-backprop：静态单赋值分析反向传播，编译器会尝试进行静态单赋值分析反向传播，以提高性能。
• -ssa-phiopt：静态单赋值分析和优化，编译器会尝试进行静态单赋值分析和优化。
• -store-merging：存储合并，编译器会尝试合并相邻的存储操作。
• -ftree-bit-ccp：树位计数和压缩，编译器会尝试进行树位计数和压缩，以减少内存访问。
• -ftree-ccp：树压缩和指针分析，编译器会尝试进行树压缩和指针分析，以提高性能。
• -ftree-ch：树 Ch 优化，编译器会尝试进行树 Ch 优化，以提高性能。
• -ftree-coalesce-vars：树合并变量，编译器会尝试合并树中的变量，以减少内存访问。
• -ftree-copy-prop：树复制传播，编译器会尝试进行树复制传播，以减少重复计算。
• -ftree-dce：树无用代码消除，编译器会尝试消除树中的无用代码。
• -ftree-dominator-opts：树支配者优化，编译器会尝试进行树支配者优化，以提高性能。
• -ftree-dse：树数据流分析和优化，编译器会对代码进行数据流分析，并进行相应的优化。
• -ftree-forwprop：树向前传播，编译器会尝试向前传播树中的结果，以减少重复计算。
• -ftree-fre：树自由变量消除，编译器会尝试消除树中的自由变量，以减少内存访问。
• -ftree-phiprop：树 phi 函数优化，编译器会尝试优化树中的 phi 函数，以提高性能。
• -ftree-sink：树下沉，编译器会尝试将操作下沉到树中，以提高性能。
• -ftree-slsr：树短循环优化，编译器会尝试进行树短循环优化，以提高性能。
• -ftree-sra：树右移分析，编译器会尝试进行树右移分析，以提高性能。
• -ftree-pta：树 PTA 优化，编译器会尝试进行树 PTA 优化，以提高性能。
• -ftree-ter：树终结，编译器会尝试进行树终结，以提高性能。
• -funit-at-a-time：一次性单元优化，编译器会尝试进行一次性单元优化，以提高性能。

gcc -O2优化

• -fthread-jumps：跳转 threading 优化。
• -falign-functions：函数对齐优化。
• -falign-jumps：跳转对齐优化。
• -falign-loops：循环对齐优化。
• -falign-labels：标签对齐优化。
• -fcaller-saves：调用者保存优化。
• -fcrossjumping：交叉跳转优化。
• -fcse-follow-jumps：跟随跳转的 CSE 优化。
• -fcse-skip-blocks：跳过块的 CSE 优化。
• -fdelete-null-pointer-checks：删除空指针检查。
• -fdevirtualize：虚函数调用优化。
• -fdevirtualize-speculatively：推测性的虚函数调用优化。
• -fexpensive-optimizations：启用一些代价高昂的优化。
• -fgcse：全局 CSE 优化。
• -fgcse-lm：使用链接时内存的全局 CSE 优化。
• -fhoist-adjacent-loads：提升相邻加载优化。
• -finline-small-functions：内联小函数优化。
• -findirect-inlining：间接内联优化。
• -fipa-cp：函数内联分析的 Cp 优化。
• -fipa-cp-alignment：使用 Cp 进行函数内联分析的对齐优化。
• -fipa-bit-cp：使用位 Cp 进行函数内联分析的优化。
• -fipa-sra：使用 SRA 进行函数内联分析的优化。
• -fipa-icf：函数内联调用成本的优化。
• -fisolate-erroneous-paths-dereference：分离错误路径的引用优化。
• -flra-remat：LRA 重排的优化。
• -foptimize-sibling-calls：同胞函数调用优化。
• -foptimize-strlen：strlen函数的优化。
• -fpartial-inlining：部分内联优化。
• -fpeephole2：Peephole 优化。
• -freorder-blocks-algorithm=stc：使用栈和树的块重排算法。
• -freorder-blocks-and-partition：块重排和分区优化。
• -freorder-functions：函数重排优化。
• -frerun-cse-after-loop：循环后运行 CSE 优化。
• -fsched-interblock：基本块间调度优化。
• -fsched-spec：使用 SSA 形式的调度器。
• -fschedule-insns2：基本块内调度优化。
• -fstrict-aliasing：严格别名优化。
• -fstrict-overflow：严格的溢出检查。
• -ftree-builtin-call-dce：内置调用的 DCE 优化。
• -ftree-switch-conversion：树开关转换优化。
• -ftree-tail-merge：树尾合并优化。
• -fcode-hoisting：代码提升优化。
• -ftree-pre：树前序遍历优化。
• -ftree-vrp：使用 VRP 进行树优化。
• -fipa-ra：基于引用计数的别名分析优化。

gcc -O3选项

• -finline-functions：采用一些启发式算法对函数进行内联，它可以将一些函数调用直接替换为函数代码，从而减少函数调用的开销，提高程序的运行效率。
• -funswitch-loops：执行循环unswitch变换，它可以将一些循环结构转换为更高效的形式，从而提高程序的运行效率。
• -fpredictive-commoning：执行预测性的共同子表达式消除，它可以在编译时分析代码中的数据流，并预测哪些表达式可以被消除，从而减少程序的运行时间和空间复杂度。
• -fgcse-after-reload：执行全局的共同子表达式消除，它可以在编译时分析代码中的数据流，并消除一些重复计算的子表达式，从而减少程序的运行时间和空间复杂度。
• -ftree-loop-vectorize：执行循环向量化，它可以将一些循环中的操作转化为向量操作，从而提高程序的并行性和运行效率。
• -ftree-loop-distribute-patterns：执行循环分布模式，它可以将一些循环中的操作分布到多个处理器上执行，从而提高程序的并行性和运行效率。
• -fsplit-paths：执行路径分裂，它可以将一些控制流路径分裂成多个路径，从而提高程序的并行性和运行效率。
• -ftree-slp-vectorize：执行 SLP 向量化成，它可以将一些循环中的操作转化为 SLP 向量操作，从而提高程序的并行性和运行效率。
• -fvect-cost-model：采用向量成本模型，它可以在编译时分析代码中的向量操作，并选择最优化的向量指令，从而提高程序的运行效率。
• -ftree-partial-pre：执行部分预取，它可以在编译时分析代码中的数据流，并预测哪些数据可以被提前读取，从而减少程序的运行时间和空间复杂度。
• -fpeel-loops：执行循环剥皮，它可以将一些循环中的操作提取到循环体外执行，从而减少循环的执行次数，提高程序的运行效率。
• -fipa-cp-clone：这是一个与函数内联相关的选项，用于控制inline函数的行为。它可以决定是否在调用点进行内联，是否对函数进行克隆，以及如何处理内联函数的调用和返回。

gcc -Os

• -falign-functions：这个选项告诉编译器在函数定义时按照指定的边界对齐，以提高内存访问效率。
• -falign-jumps：这个选项告诉编译器在生成跳转指令时按照指定的边界对齐，以提高指令流水线的效率。
• -falign-loops：这个选项告诉编译器在循环代码中按照指定的边界对齐，以提高循环的效率。
• -falign-labels：这个选项告诉编译器在生成标签时按照指定的边界对齐，以提高跳转到标签的效率。
• -freorder-blocks：这个选项告诉编译器重新排列基本块的顺序，以提高代码的执行效率。
• -freorder-blocks-algorithm=stc：这个选项告诉编译器使用stc算法来重新排列基本块的顺序，stc算法是一种基于静态单赋值（SSA）形式的算法。
• -freorder-blocks-and-partition：这个选项告诉编译器在重新排列基本块的顺序时，同时考虑分区，以提高代码的并行性。
• -prefetch-loop-arrays：这个选项告诉编译器在循环中预取数组，以提高内存访问效率。

扩展补充：

C语言参数可以通过寄存器或数据栈来传递。具体来说，当参数不超过4个时，可以使用寄存器R0到R3来传递参数；当参数超过4个时，可以使用数据栈来传递参数。

x64 6参数以内都用的寄存器传递参数，更多就入栈。

rdi rsi rdx rcx r8 r9

armv7平台的寄存器

• 30个通用寄存器：r0-r12，r13（sp），r14（lr），r15（pc）。其中，r13用作堆栈，r14用作链接寄存器，r15用作程序计数器。
• 6个状态寄存器：cpsr，spsr。

有16个128位向量寄存器，用q0-q15表示，每个q寄存器又可以拆分成两个64位向量寄存器，用d0-d31表示。

armv8

提供了31个64位的通用寄存器，分别命名为X0到X30，其中X0寄存器也被称为零寄存器，用于存储常量0。每个寄存器都是64位的

函数调用时前8个参数用通用寄存器（X0~X7）传递，其余的参数用栈传递，

向量寄存器v0-v31(芯片厂家不同会有区别)