本文主要介绍循环剥离部分。实验环境是CentOS7 + LLVM。
1. 优化方法简述
循环剥离（loop peeling）用于将循环中数据首地址不对齐的引用，以及循环末尾不够装载到一个向量寄存器的数据剥离出来，使剩余数据满足向量化对齐的要求。
LLVM编译器中，循环展开优化通常与循环剥离配合使用。循环剥离的相关编译选项如下所示：
（1）-mllvm -unroll-peel-count=<参数>：指定循环剥离计数
通过-unroll-peel-count 参数写定数值，编译器会按照该数值剥离循环；若未指定该值，则会在循环展开优化遍中计算循环剥离的值。
（2）LLVM中，循环剥离主要被循环展开优化调用，因此可以加入以下选项:
-Rpass=loop-unroll：显示循环剥离优化相关的信息
-Rpass-missed=loop-unroll：显示循环剥离优化失败的相关信息
2. 示例分析
示例代码如下所示，将其命名为loop_peel.c.
运行命令：
（1）clang loop_peel.c -O2 -mllvm -unroll-peel-count=2 -Rpass=loop-unroll -Rpass-missed=loop -unroll
可以通过命令（1）打开循环剥离的编译优化选项。
之后通过如下命令来分析循环剥离前后程序的执行时间。
（2）clang loop_peel.c -o loop_peel-before
（3）./loop_peel-before
（4）clang loop_peel.c -O2 -mllvm -unroll-peel-count=2 -o loop_peel-after
（5）./loop_peel-after
可以看出，循环剥离优化前后，得到的计算结果都是一样的，但是经过循环剥离优化后，程序的执行时间明显要比优化前的执行时间短，达到了优化的效果。
3. 总结
循环剥离也是常见的循环优化方法之一。循环剥离用于将循环中数据首地址不对齐的引用，以及循环末尾不够装载到一个向量寄存器的数据剥离出来，使剩余数据满足向量化对齐的要求。优化人员需要根据实际情况选择打开或关闭循环剥离功能。
4. 参考资料
（1）CUDA 学习（十九）、优化策略4：线程使用、计算和分支_cuda分支-CSDN博客
（2）循环优化 (Oracle Solaris Studio 12.2：性能分析器)
