指令级并行（ILP）

超标量

一个周期发射多条指令（现代 CPU 4~6 发射）。

乱序执行（Out-of-Order）

指令的实际执行顺序可以不同于程序顺序，只要数据依赖允许。

1. 发射（In-order）:   指令进入 reorder buffer
2. 执行（Out-of-order）: 操作数就绪就执行
3. 提交（In-order）:   按程序顺序写回，保证精确异常

关键：看起来是顺序执行的（对程序员可见的状态），实际是乱序的（内部优化）。

寄存器重命名

消除假依赖（WAR、WAW）：

原始:  add r1, r2, r3     写 r1
       sub r1, r4, r5     又写 r1（WAW 依赖，但其实无关）

重命名: add p1, p2, p3
       sub p4, p4, p5     ← 用不同的物理寄存器，可以并行

x86 只有 16 个架构寄存器，但物理寄存器有 100+ 个。

SIMD

一条指令处理多个数据：

指令集	宽度
SSE	128 bit（4× float）
AVX / AVX2	256 bit（8× float）
AVX-512	512 bit（16× float）
NEON（ARM）	128 bit

// 编译器自动向量化（需要 -O3 且循环结构简单）
for (int i = 0; i < n; i++) c[i] = a[i] + b[i];

// 手动
#include <immintrin.h>
__m256 va = _mm256_load_ps(&a[i]);
__m256 vb = _mm256_load_ps(&b[i]);
__m256 vc = _mm256_add_ps(va, vb);
_mm256_store_ps(&c[i], vc);

自动向量化的障碍：

循环次数未知（可用 #pragma omp simd 或 -fno-tree-vectorize 检查）
数据依赖（如累加 sum += a[i]，可用 -ffast-math 允许重排）
非连续访问（gather/scatter）
别名问题（restrict 关键字）