一、先定目标与测量基线

明确目标：是降低p95 延迟、提升吞吐 QPS，还是减少CPU 占用。目标不同，优化手段不同。建立可复现的微基准：使用 Google Benchmark 或类似框架，固定随机种子、CPU 亲和、关闭省电模式，跑足预热与多次迭代。用火焰图定位热点：Linux 下用 perf record -g 采样，生成火焰图；内存访问问题用 Valgrind/Cachegrind；硬件级事件用 Intel VTune；内核态追踪用 eBPF。记住原则：先测量再动手，优化20% 热点解决80%问题，避免过早优化。小示例（伪代码）：基线：for (auto& x : v) work(x);度量：bm.Run("baseline", [&]{ for (auto& x : v) work(x); });目标：在同等正确性下，将 p95 从200ms压到20ms附近。

二、编译器与构建开关，立竿见影

优化级别：生产优先 -O2；计算密集可试 -O3；移动/嵌入式看体积用 -Os；极限速度且能接受浮点差异时用 -Ofast。架构特化：加上 -march=native 让编译器生成适配当前 CPU 的指令集（如 AVX2/AVX-512）。链接时优化：开启 -flto，跨编译单元做全局内联与死代码消除。Profile-Guided Optimization：先跑典型数据生成 profile，再编译用 -fprofile-use，常带来两位数百分比提升。关键函数内联：对小而热的路径用 attribute((always_inline)) 或 [[gnu::always_inline]]。循环展开：适度使用 #pragma GCC unroll 4/8，减少分支与计数开销（过犹不及）。实战命令模板：g++ -O3 -march=native -flto -ffast-math -fprofile-generate …运行样本数据后：g++ -O3 -march=native -flto -fprofile-use …风险提示：-Ofast 会放宽 IEEE 浮点规则，金融/科学计算慎用；LTO 会显著增加链接时间。

三、内存与数据结构，决定上限

连续内存优先：用 std::vector 替代 std::list，随机访问更快；关键容器提前 reserve 避免反复扩容。减少动态分配：对象频繁创建/销毁用对象池或 std::pmr::monotonic_buffer_resource；热点路径尽量用栈对象或静态缓冲。移动而非拷贝：返回大对象时依赖NRVO/RVO与 std::move，避免不必要的深拷贝。缓存友好布局：将热点字段紧凑排列，避免跨64 字节缓存行；必要时用 alignas(64) 做缓存行对齐。伪共享治理：多线程独立计数器各自对齐到独立缓存行，避免互相失效。无锁队列：单生产者单消费者场景可用无锁队列降低锁竞争（如 boost::lockfree::queue）。小示例：std::vector<Order> orders; orders.reserve(1024); // 预分配struct alignas(64) Counter { std::atomic<int> v{}; char pad[64-sizeof(v)]; }; // 防伪共享

四、计算密集与并行化，榨干每一周期

分支预测：对可排序数据先排序或改为无分支写法，降低预测失败率。减少除法：用乘法/移位替代除法；编译器常把“除以常量”优化为“乘逆元+移位”，但仍应优先减少除法。查表/位运算：值域有限时用查表或位操作替代复杂分支与除法。SIMD 向量化：用 AVX2/AVX-512 批量处理数据（如同时处理8 个 float）。并行框架：数据并行用 OpenMP 或 TBB；任务并行用线程池/协程；IO 密集结合异步 IO。实战示例（AVX2，伪代码）：__m256 factor = _mm256_set1_ps(2.0f);for (i = 0; i < N; i += 8) {__m256 v = _mm256_load_ps(&data[i]);v = mm256_sqrt_ps(mm256_mul_ps(v, factor));_mm256_store_ps(&data[i], v);}经验值：在图像处理等场景，SIMD 常带来5–8 倍提速；结合多线程接近线性扩展（视负载而定）。

五、避坑与落地清单

不要迷信“手写汇编”：可移植性差、维护成本高，优先用编译器内建/intrinsics与标准库。别“过度 move”：编译器已能RVO/NRVO消除拷贝，返回大对象时多余的 std::move 可能适得其反。虚函数不是万恶：只有成为真正热点且多态开销占比高时再考虑扁平化/静态多态（如 CRTP）。正确性优先：开启 -fsanitize=undefined,address 做日常回归；性能优化不得牺牲可测性与可维护性。一键落地清单：用 perf/VTune 找到前三大热点函数；先开 -O2/-O3 + LTO，必要时 -march=native；容器连续化 + reserve，热点字段紧凑对齐；循环内减少分配/拷贝/除法，能用 SIMD 就上；可并行部分用 OpenMP/TBB/无锁结构；跑 PGO 再编译，回归测试全量通过；上线 A/B 对比 p95、吞吐、内存与稳定性。预期收益：工程实践中，编译器开关与数据结构改造常能带来2–5 倍；叠加 SIMD 与并行，达到10 倍在合适场景是可复制的目标（以实际瓶颈为准）