Profile-Guided Optimization (PGO)

コンパイラが静的なヒューリスティックだけに頼るのではなく、実行時に採取したプロファイルデータを最適化判断の材料に使う手法。分岐予測、インライン化、ループ展開、コードレイアウト(基本ブロックの配置)などの判断を、実際の実行挙動に基づいて行えるようになる。

基本的な流れ

  1. プロファイル収集用にコンパイルする(GCCなら-fprofile-generate、LLVM/Clangなら-fprofile-instr-generate)
  2. 代表的なワークロードでプログラムを実行し、プロファイルデータを採取する
  3. 採取したプロファイルを使って再ビルドする(-fprofile-use/-fprofile-instr-use)

プロファイル収集方式

  • 計装(instrumentation)ベース: コンパイラが分岐・呼び出し・switch-caseの各エッジにカウンタを挿入し、実行時にその頻度を記録する。GCCは終了時に.gcdaファイルへ出力する。正確だが、計装自体にオーバーヘッドがある。
  • サンプリングベース(SamplePGO/AutoFDO): perf_eventsのような既存のハードウェアパフォーマンスカウンタを使い、外部プロファイラでサンプリングする方式。計装なしで低オーバーヘッドにプロファイルを取れる。

実装例

GCC・LLVM/Clangのほか、rustc、Go(1.20以降)などの主要コンパイラ/ツールチェーンがPGOをサポートしている。

効果の実例(Go, JSON パーサーのベンチマーク)

Daniel LemireがGoのPGOをJSONパーサーで検証した記事では、3種類のJSONファイルを使ったベンチマークで以下のような結果が報告されている。

  • 最良ケースで4.7%の高速化(canada.jsonのプロファイルをcanada.json自身のベンチマークに使った場合)
  • 一般的には2〜3%程度の改善
  • 興味深い点として、プロファイルの取り方によって「汎化」のしやすさが異なる。twitter.jsonのプロファイルは他のファイルに対しても2.8〜3.1%の改善をもたらした一方、canada.jsonのプロファイルは自分自身にしか効かなかった

これは、PGOが「代表的な入力でプロファイルを取れば自動的に速くなる」という単純な話ではなく、プロファイルの取り方(どの入力を使うか)次第で最適化が特定のワークロードに過学習しうる、という実務上の注意点を示している。

#performance #compiler #profiling

出典

🔗 リンクされているノート

作成日時: 2026-08-11 22:44 / 更新日時: 2026-08-11 22:44