传统编译 vs PGO 编译

PGO = Profile-Guided Optimization，剖面引导优化，也叫"反馈驱动优化"。让编译器先看程序真实怎么跑，再决定怎么优化。

传统编译 vs PGO 编译

传统编译：编译器只能靠静态分析猜。比如遇到一个 if-else，它不知道哪个分支更常走，只能凭经验猜，猜错了代码布局就不理想。

PGO 编译：分两步走——

1. 采数：先编译一个带计数功能的版本，跑一遍典型业务负载，记录下"哪个函数最热"“哪个分支走得最多”“哪个循环迭代多少次”。
2. 重编译：把这份 profile 数据喂给编译器，编译器据此做决策：
   • 把热函数排在一起，提高指令缓存命中
   • 热分支直连，冷分支挪远
   • 对热函数做更激进的优化（如内联、向量化）
   • 寄存器分配优先照顾热路径

和 BOLT 的关系

两者思路一样，都是"用运行时数据指导优化"，但作用层次不同：

所以它们可以叠加：先 PGO 编译，再用 BOLT 对产物二次重排。很多大型项目（如 MySQL、MongoDB、LLVM 自身）就是这么做的。

PGO 的两种采数方式

• 插桩式 PGO：编译时加 -fprofile-generate，跑负载生成 .gcda 计数文件，再用 -fprofile-use 重编译。精度高，但二进制有开销。
• 采样式 PGO：用 perf 等工具采样，生成 profile，再用 -fprofile-use 重编译。开销低，精度略差，但适合生产环境。