分支预测的英文名字是「Branch Prediction」
大家可以在Google上搜索这个关键字，可以看到关于分支预测的很多内容，不过要搞清楚分支预测如何工作的，才是问题的关键。
分支预测对程序的影响
我们来看看下面的两段代码
代码1
#include <algorithm>
#include <ctime>
#include <iostream>
int main()
{// Generate dataconst unsigned arraySize = 32768;int data[arraySize];for (unsigned c = 0; c < arraySize; ++c)data[c] = std::rand() % 256;// !!! With this, the next loop runs faster.//std::sort(data, data + arraySize);// Testclock_t start = clock();long long sum = 0;for (unsigned i = 0; i < 100000; ++i) {for (unsigned c = 0; c < arraySize; ++c) { // Primary loopif (data[c] >= 128) sum += data[c];}}double elapsedTime = static_cast<double>(clock()-start) / CLOCKS_PER_SEC;std::cout << elapsedTime << '\n';std::cout << "sum = " << sum << '\n';
}执行结果
@ubuntu:/data/study$ g++ fenzhi.cpp && ./a.out
21.6046
sum = 314931600000代码2
#include <algorithm>
#include <ctime>
#include <iostream>
int main()
{// Generate dataconst unsigned arraySize = 32768;int data[arraySize];for (unsigned c = 0; c < arraySize; ++c)data[c] = std::rand() % 256;// !!! With this, the next loop runs faster.std::sort(data, data + arraySize);// Testclock_t start = clock();long long sum = 0;for (unsigned i = 0; i < 100000; ++i) {for (unsigned c = 0; c < arraySize; ++c) { // Primary loopif (data[c] >= 128) sum += data[c];}}double elapsedTime = static_cast<double>(clock()-start) / CLOCKS_PER_SEC;std::cout << elapsedTime << '\n';std::cout << "sum = " << sum << '\n';
}执行结果：
@ubuntu:/data/study$ g++ fenzhi.cpp && ./a.out
8.52157
sum = 314931600000第一段代码生成随机数组后，没有进行排序，第二段代码对随机的数组进行排序，执行的时间上发生了非常大的差异。
所以，他们发生了什么事情呢？
导致他们结果不同的原因，就是分支预测，分支预测是CPU处理器对程序的一种预测，和CPU架构有关系，现在的很多处理器都有分支预测的功能。
CPU在执行这段代码的时候
if (data[c] >= 128) sum += data[c];CPU会有一个提前预测机制，比如前面的执行结果都是true，那么下一次在判断if的时候，就会默认认为是true来处理，让下面的几条指令提前进入预装。
当然，这个判断不会影响实际的结果输出，这个判断只是为了让CPU并行执行代码。
CPU执行一条指令分为几个阶段
既然是分阶段执行，也就是我们正常说的pipeline(流水线执行)。
流水线的工人只要完成自己负责的内容就好了，没有必要去关心其他的人处理。
那如果我有一段代码，如下：
int a = 0;
a += 1;
a += 2;
a += 3;
从这个图上我们可以看到，我们认为是在执行 a = 0结束后，才会执行a+=1。
但是实际CPU是在执行a=0的第一条执行后，马上就去执行a+=1的第一条指令了。
也就因为这样，执行速度上得到了大幅度的提升。
但是对于if() 语言，在没有分支预测的时候，我们需要等待if()执行出现结果后才能继续执行下一个代码。
如果存在分支预测的情况
通过比较我们可以发现，如果存在分支预测的时候，就让执行速度变快了。
那如果预测失败，会不会就影响了执行的时间，答案是肯定的。
在前面的例子中，没有对数组排序的情况下，分支预测大部分都会是失败的，这个时候就会在执行结束后重新取指令执行，会严重影响执行效率。
而在排序后的例子中，分支预测一直处于成功的状态，CPU的执行速率得到大幅度的提升。
如果解决分支预测引起的性能下降
分支预测一定会存在一定的能性下降，想让性能提升的方法就是不要使用这个该死的if语句。
比如，上面的代码，我们可以修改成这样
#include <algorithm>
#include <ctime>
#include <iostream>
int main()
{// Generate dataconst unsigned arraySize = 32768;int data[arraySize];for (unsigned c = 0; c < arraySize; ++c)data[c] = std::rand() % 256;// !!! With this, the next loop runs faster.//std::sort(data, data + arraySize);// Testclock_t start = clock();long long sum = 0;for (unsigned i = 0; i < 100000; ++i) {for (unsigned c = 0; c < arraySize; ++c) { // Primary loopint t = (data[c] - 128) >> 31;sum += ~t & data[c];}}double elapsedTime = static_cast<double>(clock()-start) / CLOCKS_PER_SEC;std::cout << elapsedTime << '\n';std::cout << "sum = " << sum << '\n';
}比如，我们看到的绝对值代码，里面也用了这样的思想
/*** abs - return absolute value of an argument* @x: the value. If it is unsigned type, it is converted to signed type first.* char is treated as if it was signed (regardless of whether it really is)* but the macro's return type is preserved as char.** Return: an absolute value of x.*/
#define abs(x) __abs_choose_expr(x, long long, \__abs_choose_expr(x, long, \__abs_choose_expr(x, int, \__abs_choose_expr(x, short, \__abs_choose_expr(x, char, \__builtin_choose_expr( \__builtin_types_compatible_p(typeof(x), char), \(char)({ signed char __x = (x); __x<0?-__x:__x; }), \((void)0)))))))#define __abs_choose_expr(x, type, other) __builtin_choose_expr( \__builtin_types_compatible_p(typeof(x), signed type) || \__builtin_types_compatible_p(typeof(x), unsigned type), \({ signed type __x = (x); __x < 0 ? -__x : __x; }), other)当然，你也可以这样写
int abs(int i){if(i<0)return ~(--i);return i;
}所以说，计算机的尽头是数学
参考：
https://stackoverflow.com/questions/11227809/why-is-processing-a-sorted-array-faster-than-processing-an-unsorted-array/11227902#11227902
https://blog.csdn.net/loongshawn/article/details/118339009
https://blog.csdn.net/DBC_121/article/details/105360658
