C++20的[[likely]]和[[unlikely]]属性通过提示编译器优化代码布局与跳转指令，减少分支预测失败开销：前者将高概率路径前置以提升局部性，后者将低概率路径移至冷区以避免缓存污染。

在 C++ 中，分支预测优化的核心是**减少 CPU 分支预测失败带来的流水线冲刷开销**。现代 CPU 依赖预测器猜测 if/else、循环条件等跳转方向，预测错误会导致数个周期的性能损失。C++20 引入的 [[likely]] 和 [[unlikely]] 属性，就是让程序员显式告诉编译器“这条路径大概率会执行”或“大概率不会执行”，从而影响代码布局（如热代码前置）和底层汇编指令选择（如使用带预测提示的跳转指令）。

[[likely]] 与 [[unlikely]] 的作用机制

这两个属性本身不改变逻辑，只作为编译器优化提示：

• [[likely]] 建议编译器将该语句块（如 if 分支体、case 分支、goto 目标等）生成在更靠近当前指令流的位置，降低取指延迟；部分架构（如 x86-64）可能生成 jcc 指令的“强预测”编码形式。
• [[unlikely]] 则相反：编译器倾向于把该分支体放到远离主路径的内存区域（如函数末尾或单独 section），避免污染指令缓存热点，并可能选用更节省主路径空间的跳转序列。
• 它们只对直接修饰的语句有效，不能修饰整个 if 或 else 子句——需放在分支体首行（即左大括号后）或独立语句前。

正确用法示例与常见误用

✅ 正确写法（C++20 起支持）：

if (ptr != nullptr) {
    [[likely]] {  // ✅ 修饰复合语句（C++20 允许）
        process(*ptr);
    }
} else {
    [[unlikely]] {  // ✅ 否则分支大概率不走
        fallback();
    }
}

✅ 更常见的写法（修饰单条语句或空语句后接代码）：

立即学习“C++免费学习笔记（深入）”；

Productivity Google Workspace

Access Gmail, Calendar, Drive, Docs, and Sheets via the gws CLI or Python.

下载

if (size > 1024) {
    [[likely]] ;
    heavy_processing(data, size);
} else {
    [[unlikely]] ;
    light_path(data, size);
}

❌ 错误写法：

• [[likely]] if (x > 0) { ... } —— 属性不能修饰 if 语句本身，语法错误。
• if (x > 0) [[likely]] { ... } —— 属性位置错，应紧贴语句块开头，不是跟在 if 后面。
• 滥用在无明显概率倾向的分支上（如用户输入校验结果），反而干扰编译器基于 profile 数据的自动优化。

配合代码布局提升效果

编译器利用 [[likely]]/[[unlikely]] 调整代码布局时，本质是让高频路径指令在内存中连续存放、局部性更好。你可以主动辅助：

• 把高频执行的函数内联（inline 或 __attribute__((always_inline))），再在其关键分支加 [[likely]]，确保热路径真正紧凑。
• 避免在 hot path 中调用未内联的小辅助函数——即使加了 [[likely]]，跳转开销仍存在；不如把逻辑展开或用 constexpr 判断提前折叠。
• 在性能关键循环中，优先用 [[likely]] 标注主循环体，[[unlikely]] 标注 break/continue 条件或异常处理（如边界检查失败）。

实际效果与验证建议

效果取决于编译器（GCC 12+/Clang 14+ 支持较完善）、目标架构（x86/arm64 效果明显，RISC-V 部分后端尚未完全支持）和运行时分支行为是否真符合标注。

• 用 -O2 -march=native 编译，开启 -fprofile-generate + 运行 + -fprofile-use 可获得更优的自动分支优化；[[likely]] 是对 profile-guided optimization（PGO）的补充，不是替代。
• 通过 objdump -d 查看汇编，确认热路径是否被前置、跳转指令是否带 hint（如 x86 的 jne .Lhot 而非跳向远处的 .Lcold）。
• 微基准测试（如 google/benchmark）对比加/不加属性的 CPI、分支误预测率（perf stat -e branches,branch-misses）可量化收益——通常在 1%~5% 吞吐提升，极端热点分支可达 10%+。

基本上就这些。属性只是提示，不是魔法；真正有效的分支优化，永远建立在理解数据分布、测量瓶颈、结合 PGO 和合理算法设计的基础上。