我們拿一個算法的代碼實現來舉例子，首先我們寫一個求階乘的子函數，這里我偷懶讓 ChatGPT 幫忙生成了一個：

#include
// 階乘函數intfactorial_iterative(int n) {    int result = 1;    // 從1乘到n    for (int i = 1; i <= n; ++i) {        result *= i;    }    return result;}
// 示例int main() {    int result_iterative = factorial_iterative(5);    printf("5的階乘是: %dn", result_iterative);
    return 0;}

這種簡單的迭代算法的優點是比較容易理解，一眼就可以看出程序員想干什么。

但這樣寫出來的程序缺點也很大，就是運行效率非常低，我們在算法編寫中最怕的就是for 循環，因為這里面會存在大量的比較和跳轉，同時最容易產生一些代碼被無效的循環執行。

這些缺點有的會被編譯器的優化措施給規避掉，比如編譯器可以把一些需要內存訪問的變量先放到寄存器中，等計算完結果后，再把結果從寄存器中轉移到內存中，因為 CPU 讀取寄存器比讀取內存可快多了。

但是編譯器也不是萬能的，有些優化他就做不到。比如，我們改成下面展開的樣子，超標量的流水線就開始起作用了。

// 階乘函數intfactorial_iterative(int n) {    int result0 = 1, result1 = 1, result2 = 1,result3 = 1;    // 從1乘到n    for (int i = 1; i < n; i += 4) {
        result0 *= i;        result1 *= i + 1;        result2 *= i + 2;        result3 *= i + 3;
    }    return (result0 * result1 * result2 * result3);}

首先，我們假設開啟了編譯器優化，編譯器已經把所有內存訪問的變量在函數開始都歸置到了寄存器中，那么這時候我們可以看到，4 個 result 的乘法語句是相互獨立的，他們的計算過程不依賴于其他 3 個語句的計算結果。

這就好比安排了四個人，給他們算 4 個單獨的式子，假設他們計算能力相同，于是他們會在同一段時間后跑到黑板上來互相乘一下算個總的結果。

而如果我們只是簡單的做循環展開，不增加新的寄存器變量，也就是不加人的情況下是怎么樣的呢？

// 階乘函數intfactorial_iterative(int n) {    int result = 1;    // 從1乘到n    for (int i = 1; i < n; i += 4) {
        result *= i;        result *= i + 1;        result *= i + 2;        result *= i + 3;
    }    return (result * result * result * result);}

這里只放了一個聰明的孩子做算式，不過你看他要做的 4 個算式，其中后一個算式總要用到前一個算式的結果，他即便再聰明也得一個一個的算。

這就是超標量流水線的用處，當然展開多少還需要我們自己衡量，本質上也是用空間換時間，另外寄存器可是稀缺資源。