效能剖析導向最佳化（profile-guided optimization，PGO）

最佳化器不斷對你的程式做猜測：一個 if 通常走哪個分支、哪些函式熱到值得內聯、哪些迴圈跑得頻繁。不執行程式，它只能靠啟發式猜。效能剖析導向最佳化用量測取代那些猜測：你先執行程式、收集它實際行為的資料，再用那份資料重新編譯，以做出更有根據的決定。

PGO 是三步驟的工作流程。第一，建置一個插樁版本，會記錄執行期事實：每個分支各走哪邊的頻率、每個函式被呼叫幾次、哪些路徑是熱的。第二，用具代表性、貼近真實的輸入執行那個版本——一個近似正式使用的工作負載——產生一份剖析檔（一個計數的資料檔）。第三，從同一份原始碼重新編譯，這次把剖析檔餵給編譯器。有了真實頻率，最佳化器做出更精準的選擇：內聯真正熱的函式、把常走的分支佈局成直落（fall-through，使預測路徑更便宜）、把熱程式碼聚在一起以改善指令快取行為、並避免膨脹冷路徑。一個相關的取樣變體是用低開銷的剖析器從正式環境收集剖析，而非用特別的插樁建置。

它重要在於：最佳化器的靜態啟發式常對「哪段程式碼是熱的」判斷錯誤，而 PGO 正是藉由用真相取代猜測，帶來有意義的加速（大型應用上常見可觀的百分比）——這就是回饋導向編譯。誠實的提醒：PGO 的好壞取決於剖析的工作負載。如果你的訓練輸入不像真實使用，你就是為錯誤的情況最佳化、甚至可能拖慢真實工作負載。它讓建置變複雜（編譯、執行、再編譯），而剖析檔會隨程式碼改變而過時。而且它是為效能、不是為正確性的最佳化——它從不改變程式算什麼，只改變編譯器如何分配它的努力優先順序。