-O0的gcc优化比-O3更好

Question

我recently编写了一些矢量代码和一个适当的godbolt example。

typedef float v8f __attribute__((vector_size(32)));
typedef unsigned v8u __attribute__((vector_size(32)));

v8f f(register v8f x)
{
  return __builtin_shuffle(x, (v8f){0}, (v8u){1, 2, 3, 4, 5, 6, 7, 8});
}

f:
        vmovaps ymm1, ymm0
        vxorps  xmm0, xmm0, xmm0
        vperm2f128      ymm0, ymm1, ymm0, 33
        vpalignr        ymm0, ymm0, ymm1, 4
        ret

我想看看不同的优化（-O0/O1/O2/O3）设置如何影响代码，除-O0之外的所有代码都提供了相同的代码。 -O0产生了可预测的帧指针垃圾，并且也没有任何理由将参数x复制到堆栈局部变量。为了解决这个问题，我added register存储类说明符：

typedef float v8f __attribute__((vector_size(32)));
typedef unsigned v8u __attribute__((vector_size(32)));

v8f f(register v8f x)
{
  return __builtin_shuffle(x, (v8f){0}, (v8u){1, 2, 3, 4, 5, 6, 7, 8});
}

对于-O1/O2/O3，生成的代码是相同的，但是在-O0处：

f:
        vxorps  xmm1, xmm1, xmm1
        vperm2f128      ymm1, ymm0, ymm1, 33
        vpalignr        ymm0, ymm1, ymm0, 4
        ret

gcc指出了如何避免冗余的寄存器复制。尽管这样的副本可能会被移动消除，但这仍然增加了代码大小，毫无益处（-Os比-O0大吗？）。

与gcc相比，-O0如何/为什么在-O3上生成更好的代码？