ILP是CPU单核内并行执行不依赖指令的能力，由编译器通过指令重排实现；需-O2/-O3配合目标架构启用，易受真实/输出/反依赖及假依赖破坏，效果须验于汇编。
ILP 不是程序员写的代码，而是编译器调度指令时的优化机会
指令级并行（ILP）指 CPU 在单个核心内，**同时执行多条不相互依赖的指令**的能力。它和多线程、SIMD 都不同：不需要你显式开线程，也不需要手动写 _mm256_add_ps；它是编译器在生成汇编时，通过重排 mov、add、mul 等指令顺序，填满 CPU 流水线空闲槽（如等待内存加载完成的周期），让多个功能单元（ALU、FPU、LSU）并行干活。
编译器靠 -O2/-O3 和目标架构启用 ILP 相关调度
Clang/GCC 默认不激进做指令重排，除非你打开优化等级并指定目标微架构。比如：
-
-O2启用基本的指令调度（如延迟隐藏），但保守； -
-O3加上-march=native或-mcpu=skylake才会启用更激进的跨基本块调度、寄存器 renaming 暗示、软件流水（software pipelining）等； - 若用
-mtune=haswell -march=core2，编译器会按 Core2 的流水线建模，但实际在 Haswell 上跑可能反而更慢——因为模型不准，调度失效。
典型效果：一段含内存加载依赖的循环，编译器可能把下一次迭代的 mov eax, [rbx] 提前到当前迭代的 add ecx, edx 后面，只要地址不冲突，CPU 就能并发发出这两个访存/计算指令。
容易被忽略的 ILP 破坏点：数据依赖和虚假依赖
哪怕编译器想调度，以下情况会让 ILP 失效：
立即学习“C++免费学习笔记（深入）”；
- 真实依赖：
a = b + c;→d = a * 2;，第二条必须等第一条写完a，无法并行； - 输出依赖：
a = b + c;→a = d - e;，编译器不敢乱换序，怕覆盖中间值（虽然后者逻辑上可删前者，但需先做冗余消除）； - 反依赖：
a = b + c;→b = d * 2;，第二条改了b，影响第一条读，也不能随意调换； - “假依赖”最隐蔽：
mov eax, 1→mov ax, 2，后者只写低 16 位，但老式 x86 会清高 16 位，导致 CPU 认为eax被全量修改，阻塞后续用eax的指令——现代编译器会插movzx或用and eax, 0xffff拆解来破除。
看懂 ILP 效果得看汇编，不是看 C++ 原文
你写的 for (int i = 0; i ，在 <code>-O3 -march=native 下，GCC 可能生成带 4 路展开 + 向量化 + 指令交错的汇编：连续 4 组 vmovups、vmulpd、vaddpd 交织排列，而不是朴素的“加载→乘→加→下标+1”串行流。
vmovups ymm0, [rax] vmovups ymm1, [rax+32] vmulpd ymm0, ymm0, ymm2 vmulpd ymm1, ymm1, ymm3 vaddpd ymm4, ymm4, ymm0 vaddpd ymm5, ymm5, ymm1 ...
这种交错不是为了“看起来快”，而是让每个 vaddpd 发生在前一个 vmulpd 还在计算时——利用乘法单元延迟约 4–5 周期的窗口，把加法塞进去。没这一步，CPU 大部分时间在等乘法结果，吞吐掉一半。
真正难的是：当你的数据有 cache miss、分支预测失败、或用了 std::vector::at() 带边界检查时，再好的 ILP 也救不了——编译器再聪明，也调度不了停在 L3 缓存外的指令。
