C++ 为什么这个函子在优化时比普通代码性能更好？

继续我的探索… 通过使用多行宏，我成功地实现了一个求相邻单元格差异之和的通用算法。以前我使用函子，但性能很差

//T0，T:double[T\u size\u x*T\u size\u y*T\u size\u z]
样板
无效过程（双*T0，双*T，常数int&T\u size\u x，常数int&T\u size\u y，常数int&T\u size\u z）{
双和，基数；
const int dy=（T_size_y-1）*T_size_x；
常数int dz=（T_size_z-1）*T_size_x*T_size_y；
int pos=0；//T\u size\u x*j；
结构差异{
内联void运算符（）（const int&pos）{sum+=T0[pos]-base；}
内联空边（常量int&pos）{sum+=0.5*（T0[pos]-基）；}
_Diff（double&s，double&b，double*t0）：和（s），基（b），t0（t0）{
私人：
双重&总和；
双基；
双*T0；
}差异（总和、基数、T0）；
#定义BigOne（i、周期、T_大小、左、右、开始、结束）\
如果（i>0）差异（左）\
if（i

为了提高代码的性能，我还考虑将函子转换为宏

#定义差异（pos）和+=T0[pos]-base
#定义差异边缘（pos）和+=0.5*（T0[pos]-基）
//注意：将BigOne中的Diff.edge也更改为Diff_edge

当使用

g++

（4.8.2）编译而不进行优化时，正如预期的那样，宏代码运行速度会大大加快。但是当我用

-O2

或

-O3

编译它时，上面的第一个示例突然产生了更好的结果（在15000次迭代中，functor在22.7秒内完成，macro在23.7秒内完成）

---

为什么会这样？函子是否以某种方式作为编译器缓存指令的提示？

如果怀疑指令缓存效果差异似乎是由于分支未命中造成的，请尝试查看生成的程序集，和/或在Cachegrind（）中运行这两个版本。我不明白函子代码是如何减少的。