__builtin_popcount 比手动循环快得多，因其映射为 CPU 的 popcnt 等单周期专用指令，而循环需至少 64 次操作；启用 -mpopcnt 才生效，否则降级为软件实现，且不支持时会静默降级或抛非法指令异常。
为什么 __builtin_popcount 比手动循环快得多
因为它是编译器直接映射到 CPU 的专用指令（如 x86 的 popcnt），单周期完成 64 位计数，而循环逐位检查至少要 64 次分支或移位操作。GCC/Clang 在启用 -mpopcnt 时才会生成该指令，否则回退为软件实现——这点常被忽略。
- 确认是否生效：用
objdump -d查看反汇编，搜popcnt指令 - 若目标 CPU 不支持（如老款 Intel Core2 或 AMD Phenom），
__builtin_popcount会静默降级，但运行时可能抛illegal instruction - 对
unsigned long long用__builtin_popcountll，别错用__builtin_popcount（后者只保证处理unsigned int）
手写查表法在什么场景下反而更稳
当无法控制编译环境（如嵌入式交叉编译、旧版工具链）、或需确定性行为（避免因 CPU 支持差异导致逻辑分支不一致）时，256 项字节查表仍是可靠选择。
- 表构造只需一次：
static constexpr std::array<uint8_t> popcount_table = []{ /* constexpr 初始化 */ }();</uint8_t> - 对 64 位数，拆成 8 个字节：
popcount_table[b & 0xFF] + popcount_table[(b >> 8) & 0xFF] + ... - 注意字节序无关——右移 + 掩码天然适配小端/大端
- 比内置函数多约 8 次内存访问，但在 L1 cache 命中前提下，实际性能差距常小于 2×，且无 CPU 兼容风险
std::bitset::count() 的隐藏开销
它底层通常调用 __builtin_popcountll，看似简洁，但构造 std::bitset 对象涉及栈上初始化（哪怕只是 8 字节），在 tight loop 中可能被编译器优化掉，也可能残留冗余 mov 指令。
C++ Code Review Master
下载
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
- 直接传入整型变量时，优先用
__builtin_popcountll(x)，而非std::bitset(x).count() - 若已有一个
std::bitset实例且复用多次，.count()没问题；但若只为单次计数，绕过对象构造更干净 - 模板参数必须是编译期常量，
std::bitset<n></n>的N不能是运行时变量
AVX2 并行 popcount 处理批量数据
单个整数用内置函数足够，但若需对数组里上万个 uint64_t 统计位数，SIMD 才是关键提速点。AVX2 提供 _mm256_popcnt_epi64（需 immintrin.h 和 -mavx2 -mpopcnt）。
立即学习“C++免费学习笔记（深入）”；
- 一次处理 4 个
uint64_t（256 位寄存器 / 64 位 = 4） - 注意对齐：输入数组最好按 32 字节对齐，否则触发 unaligned load penalty
- 返回值是
__m256i，需用_mm256_cvtepu64_epi32等转成整数再水平求和 - 低于 4 个元素的尾部，仍得回退到标量路径——边界处理容易漏，建议用
std::min截断后单独处理
实际项目里最常踩的坑不是算法选错，而是忘了检查 popcnt 指令集是否真被启用，以及跨平台构建时没设好编译标志。
