单文件扫描模式使用场景（x86 Intel intrinsics分析）

前提条件

以天秤源码优化工具安装路径“/home/tiancheng-x.x.x-Linux-Kunpeng”为例。

x86 Intel intrinsics单文件扫描分析

执行以下命令，启用x86 Intel intrinsics分析功能，对源码文件进行扫描。此处以扫描“/home/demo”下的input.cpp文件中所有源码，报告文件存放至“/home/demo”路径为例，请根据实际情况进行修改。

./tiancheng file --enable-intel-intrinsics -i /home/demo/input.cpp -o /home/demo

• 执行上述命令会启用x86 Intel intrinsics分析功能，对“/home/demo”下的input.cpp源码文件进行扫描，分析input.cpp源码文件中的x86向量化指令，在“/home/demo”路径下生成HTML向量化检查报告和JSON报告文件。
• 当启用x86 Intel intrinsics分析功能时HTML向量化检查报告中才有函数向量化检查报告，不启用时报告中只有循环向量化检查报告和任务信息。

返回信息如下：

Compile database file does not exist or is unreachable.
Analyzing file: /home/demo/input.cpp // 提示开始分析input.cpp源文件

>>> X86 detected. Configuring Virtual Environment...

compile_commands.json not found under: /home/demo
Recursively collecting include paths as fallback. 

[Scan] Target  : /home/demo/input.cpp
[Scan] Mode    : direct scan (source file)
[Scan] Entry   : /home/demo/input.cpp

Start to scan code.// 提示开始扫描代码。

Vectorization check task is being executed. Please wait...
Scanning start time: 2026/08/11 15:32:26
For the details information, please check:
Successfully generated vectorization report: /home/demo/Vectorization_Source_20260814_190207_001_6209.html // 提示HTML向量化检查报告文件的存放路径。
Successfully generated vectorization optimization result: /home/demo/Vectorization_Optimization_Result_20260814_190207_001_6209.json // 提示JSON报告文件的存放路径。

扫描任务已完成，分析结果已保存到指定的输出目录中。

输出目录中包含两类分析报告，请根据实际需求选择查看：

• JSON报告文件：仅包含已成功优化的可向量化代码片段，适用于快速提取优化结果场景。
• HTML报告文件：提供全景视图，详细展示“可向量化”、“潜在向量化”及“不可向量化”三类代码，适用于深入分析优化潜力场景。

查看向量化检查结果

• 查看HTML向量化检查报告文件。报告内容包括循环向量化检查报告、函数向量化检查报告和任务信息。

  单击“循环向量化检查报告”查看循环检查结果。具体内容如下图所示，报告结果参数说明请参见表2。

  

  表1 报告结果参数说明

  参数	说明
  循环向量化统计结果
  总循环数量	源码文件中扫描出的循环总数。
  可向量化数量	源码文件中扫描出的可以进行向量化的循环数量。
  潜在向量化数量	需要进行特殊处理（如函数内联）才有可能向量化的循环数量。
  不可向量化数量	源码文件中扫描出的不可向量化的循环数量。
  分析循环行数	被识别为待优化循环的源码在源码文件中的具体行号位置。
  循环检查结果类别	天秤源码优化工具检查出的循环类别，包括可向量化、潜在向量化和不可向量化三种类别。
  循环变量	在循环中进行循环的变量。
  源码文件存放路径	循环所在源码文件的存放路径。

  

  在循环检查结果类别中可以筛选出不同类别的循环，默认全选，单击筛选出的任一行可以展开具体的循环分析过程。

  单击“分析循环行数”展开循环分析过程，包括可向量化、潜在向量化、不可向量化三种循环分析过程。循环分析过程参数说明请参见表2。

  • 可向量化循环分析过程如下图所示。如示例中所示，将向量化优化后的代码段复制并替换源文件对应位置（第49-50行）的代码，保存修改后的文件即可完成改写。

    

    

    天秤源码优化工具对支持改写的模块，直接提供优化后的代码段；对暂未匹配的模块，将在循环体逐行分析中输出向量化检查信息，可根据向量化检查结果进行优化。

  • 潜在向量化循环分析过程如下图所示。根据检查信息可查看源文件对应位置（第116-124行）代码的潜在向量化原因。

    

  • 不可向量化循环分析过程如下图所示。根据检查信息可查看源文件对应位置（第189-195行）代码的不可向量化原因。

    

  表2 循环分析过程参数说明

  循环分析过程	参数	说明
  可向量化分析	循环完整代码段	循环在源码文件中的代码段。
  	向量优化后代码段	天秤源码优化工具对循环进行向量化优化后的代码段。
  潜在向量化分析	循环完整代码段	循环在源码文件中的代码段。
  不可向量化分析	不可向量化原因	天秤源码优化工具将循环判断为不可向量化的原因。
  	循环完整代码段	循环在源码文件中的代码段。
  公有参数	循环体分析（逐行）	天秤源码优化工具对循环进行检查分析的过程。
  	代码行	循环中循环体的代码行。
  	覆盖率	是否被天秤可向量化模式匹配覆盖。
  	代码行向量化状态	循环体单个代码行的向量化状态，包括可向量化、潜在向量化、不可向量化三种类别。
  	检查信息	天秤源码优化工具对代码行的检查分析结果。 说明： 如果代码行向量化状态为可向量化，则不显示检查信息，如果代码行向量化状态为潜在向量化和不可向量化，则显示对应的原因或建议。

  单击“函数向量化检查报告”查看函数检查结果。具体内容如下图所示，报告结果参数说明请参见表3。

  

  表3 报告结果参数说明

  参数	说明
  函数向量化统计结果
  总函数数量	源码文件中扫描出的函数总数。
  可向量化数量	源码文件中扫描出的可以进行向量化的函数数量。
  潜在向量化数量	存在可改写指令但是天秤源码优化工具暂不支持改写的函数数量。
  暂不支持向量化数量	源码文件中扫描出的暂不支持向量化的函数数量。
  分析函数行数	函数在源码文件中的代码行数。
  函数检查结果类别	天秤源码优化工具检查出的函数类别，包括可向量化、潜在向量化和暂不支持向量化三种类别。
  函数名称	天秤源码优化工具进行向量化检查的函数名。
  源码文件存放路径	函数所在源码文件的存放路径。

  

  在函数检查结果类别中可以筛选出不同类别的函数，默认全选，单击筛选出的任一行可以展开具体的函数分析过程。

  单击“分析函数行数”展开函数分析过程，包括可向量化、潜在向量化和暂不支持向量化三种函数分析过程。函数分析过程参数说明请参见表4。

  • 可向量化函数分析过程如下图所示。如示例中所示，将向量化优化后的代码段复制并替换源文件对应位置（第303-325行）的代码，保存修改后的文件即可完成改写。

    

  • 潜在向量化函数分析过程如下图所示。根据检查信息可查看源文件对应位置（第342-366行）代码的潜在向量化原因。

    

  • 暂不支持向量化函数分析过程如下图所示。根据检查信息可查看源文件对应位置（第270-302行）代码的暂不支持向量化原因。

    

  表4 函数分析过程参数说明

  函数分析过程	参数	说明
  可向量化分析	函数完整代码段	函数在源码文件中的代码段。
  	向量优化后代码段	天秤源码优化工具对函数进行向量化优化后的代码段。
  潜在向量化分析	函数完整代码段	函数在源码文件中的代码段。
  暂不支持向量化分析	不可向量化原因	天秤源码优化工具的改写模块暂未适配，暂不支持向量化改写。
  	函数完整代码段	函数在源码文件中的代码段。
  	向量优化后代码段	天秤源码优化工具对函数进行向量化优化后的代码段。
  公有参数	函数体分析（逐行）	天秤源码优化工具对函数进行检查分析的过程。
  	代码行	函数中函数体的代码行。
  	覆盖率	是否被天秤可向量化模式匹配覆盖。
  	代码行向量化状态	函数体单个代码行的向量化状态，包括可向量化、潜在向量化、暂不支持向量化、仅含有x86类型变量和无关语句五种类别。
  	检查信息	天秤源码优化工具对代码行的检查分析结果。 说明： 如果代码行向量化状态为可向量化，则不显示检查信息，如果代码行向量化状态为潜在向量化和不可向量化，则显示对应的原因或建议。

  单击“任务信息”可查看当前检查报告的生成信息，具体内容如下图所示。任务信息参数说明请参见表5。

  

  在“任务信息”中可快速查看报告名称、报告生成时间、源码存放路径等相关信息。

  表5 任务信息参数说明

  参数	说明
  任务名称	天秤源码优化工具自动创建的检查任务名。
  报告生成时间	天秤源码优化工具生成报告的时间。
  源码文件存放路径	扫描的源码所在文件的路径。
  火焰图路径	扫描的火焰图SVG文件的路径。
  特定函数名	扫描的函数名。
  文件所属项目	待分析源码文件所属项目的根目录。
  Clang资源文件路径	Clang内置头文件（如stddef.h）所在的目录。
  GCC工具链	GCC编译器安装的目录，作为代码分析时的工具链路径。
  是否启用SVE	是否转换为SVE指令集。

  

  HTML报告侧重诊断分析，需根据提示人工调整代码结构，调整后重新验证效果。

• 查看JSON报告文件。

  打开生成的JSON报告文件，分析并确认修改点。

  vim /home/demo/Vectorization_Optimization_Result_20260814_190207_001_6209.json

  JSON文件详情如下：

  {
    "advisor_items": [
      {
        "opt_file": {
          "begin_line": 303,
          "description": "",
          "end_line": 325,
          "fileName": "/home/demo/input.cpp",
          "headerFile": {
            "name": "#include <arm_sve.h>",
            "operation": ""
          },
          "headerLocBegin": -1,
          "headerLocEnd": -1,
          "sample_code": "void vector_supported(const float * src1, const float * src2, float * dst, size_t n, float scale){\n    svfloat32_t v_vscale = svdup_n_f32(scale);\n    size_t i = 0;\n    svbool_t pg = svwhilelt_b32_u64((uint64_t)(i), (uint64_t)(n));\n    while (svptest_any(svptrue_b32(), pg)) {\n        svfloat32_t v_a = svld1_f32(pg, reinterpret_cast<const float *>((src1 + i)));\n        svfloat32_t v_b = svld1_f32(pg, reinterpret_cast<const float *>((src2 + i)));\n        svfloat32_t v_result = svmla_f32_x(pg, v_b, v_a, v_vscale);\n        svst1_f32(pg, reinterpret_cast<float *>((dst + i)), v_result);\n        i += svcntw();\n        pg = svwhilelt_b32_u64((uint64_t)(i), (uint64_t)(n));\n    }\n    for (; i < n; ++i) {\n        dst[i] = src1[i] * scale + src2[i];\n    }\n}"
        }
      },
      {
        "opt_file": {
          "begin_line": 342,
          "description": "",
          "end_line": 366,
          "fileName": "/home/demo/input.cpp",
          "headerFile": {
            "name": "#include <arm_sve.h>",
            "operation": ""
          },
          "headerLocBegin": -1,
          "headerLocEnd": -1,
          "sample_code": "void vector_unsupported(const float * src1, const float * src2, float * dst, size_t n, float bias){\n    svfloat32_t v_vbias = svdup_n_f32(bias);\n    size_t i = 0;\n    svbool_t pg = svwhilelt_b32_u64((uint64_t)(i), (uint64_t)(n));\n    while (svptest_any(svptrue_b32(), pg)) {\n        svfloat32_t v_a = svld1_f32(pg, reinterpret_cast<const float *>((src1 + i)));\n        svfloat32_t v_b = svld1_f32(pg, reinterpret_cast<const float *>((src2 + i)));\n        svfloat32_t v_div = svdiv_f32_x(pg, v_a, v_b);\n        svfloat32_t v_result = svadd_f32_x(pg, v_div, v_vbias);\n        svst1_f32(pg, reinterpret_cast<float *>((dst + i)), v_result);\n        i += svcntw();\n        pg = svwhilelt_b32_u64((uint64_t)(i), (uint64_t)(n));\n    }\n    for (; i < n; ++i) {\n        dst[i] = src1[i] / src2[i] + bias;\n    }\n}"
        }
      },
      {
        "opt_file": {
          "begin_line": 382,
          "description": "",
          "end_line": 410,
          "fileName": "/home/demo/input.cpp",
          "headerFile": {
            "name": "#include <arm_sve.h>",
            "operation": ""
          },
          "headerLocBegin": -1,
          "headerLocEnd": -1,
  "sample_code": "void vector_outside_supported_list(const float * src1, const float * src2, const int * indices, const int * permute_indices, float * dst){\n    svint32_t v_index_vec = svld1_s32(svptrue_pat_b32(SV_VL8), reinterpret_cast<const int32_t *>((indices)));\n    svint32_t v_perm = svld1_s32(svptrue_pat_b32(SV_VL8), reinterpret_cast<const int32_t *>((permute_indices)));\n}"
        }
      }
    ],
    "code": 0,
    "recognizedPattern": 3
  }

  表6 字段说明

  字段	字段说明
  advisor_items	代码优化点建议数组，里面的每一项都是一个代码优化点建议。
  opt_file	单个优化建议的详细信息。
  begin_line	需要优化代码的起始行号。 示例中“303”为优化代码的起始行号。
  description	优化建议的详细描述。
  end_line	需要优化代码的结束行号。 示例中“325”为优化代码的结束行号。
  fileName	当前分析的源文件所在路径。 示例中“/home/demo/input.cpp”为分析的源文件所在路径。
  headerFile	向量化过程中涉及的头文件处理信息。 示例中"name": "#include <arm_sve.h>"表明此段代码需要新增或替换的目标头文件，用于使用SVE指令集，"operation": ""表明该指定头文件的处理方式。 “operation”包含的两种处理方式： “add”：用于标量代码向量化时新增目标头文件。 “replace”：用于x86向ARM向量化迁移时将原有x86头文件替换为对应的ARM头文件。
  headerLocBegin	头文件插入的起始行号。 若为-1，表示头文件在原始代码中已经包含，无需手动添加。 若为正整数，表示头文件插入的起始行号。 示例中“-1”表示头文件在原始代码中已经包含，无需手动添加。
  headerLocEnd	头文件插入的结束行号。 若为-1，表示头文件在原始代码中已经包含，无需手动添加。 若为正整数，表示头文件插入的结束行号。 示例中“-1”表示头文件在原始代码中已经包含，无需手动添加。
  sample_code	推荐的向量化实现代码样例，可直接用于替换源文件的原始代码。 示例中以下代码为优化后的代码样例。 void vector_supported(const float * src1, const float * src2, float * dst, size_t n, float scale){\n svfloat32_t v_vscale = svdup_n_f32(scale);\n size_t i = 0;\n svbool_t pg = svwhilelt_b32_u64((uint64_t)(i), (uint64_t)(n));\n while (svptest_any(svptrue_b32(), pg)) {\n svfloat32_t v_a = svld1_f32(pg, reinterpret_cast<const float *>((src1 + i)));\n svfloat32_t v_b = svld1_f32(pg, reinterpret_cast<const float *>((src2 + i)));\n svfloat32_t v_result = svmla_f32_x(pg, v_b, v_a, v_vscale);\n svst1_f32(pg, reinterpret_cast<float *>((dst + i)), v_result);\n i += svcntw();\n pg = svwhilelt_b32_u64((uint64_t)(i), (uint64_t)(n));\n }\n for (; i < n; ++i) {\n dst[i] = src1[i] * scale + src2[i];\n }\n}
  code	工具执行状态码。 0表示工具执行成功。 非零值表示异常中断。 示例中“0”表明工具执行成功。
  recognizedPattern	需要优化的代码段数量。 示例中“3”表明有3处代码需要优化。

  根据JSON报告进行代码改写。

  1. 查看advisor_items，其中包含了所有识别到的优化建议。
  2. 对于每个优化建议，查看begin_line和end_line字段，确定需要替换的代码范围。
  3. 将sample_code字段中的向量化代码复制并替换源文件对应位置的代码（第begin_line行至第end_line行）。
  4. 检查headerLocBegin和headerLocEnd字段：
     • 如果值为-1，表示头文件已存在，无需添加。
     • 如果为正整数，需要在指定位置添加headerFile中的头文件声明。
  5. 保存修改后的文件，即可完成自动化改写。