为什么高百分比的相同输入数据会降低性能？

Question

我有一些我一直在处理的代码，为了优化它，我一直试图通过测试不同类型的输入数据如何影响其性能来了解编译器的优化过程。 我的代码的简化版本如下。

function foo(Pair[] pairsData) {
   for (Pair p : pairsData) {
      res.append(bar(p))
   }
}
    

function bar(Pair p) {
    double minDistance = Double.MAX_VALUE;
    double bestI = -1;
    for (int i = 0; i < 4; i++) {
        double d = p.x - p.y - i;
        if (d < minDistance) {
            minDistance = d;
            bestI = i;
        }
    }
    return bestI;
}

我希望如果pairsData 中的所有对都相同，那么这将显着提高性能，因为编译器的分支预测器可以达到完美的成功率，因此不会出现分支错误预测，从而提高性能。 但我发现，特别是对于少量数据（50-100 对），增加相同数据点百分比的影响可以忽略不计。 我认为这可能是由于分支预测器无法使用这么少的数据进行优化，或者因为分支错误预测仅涉及几次迭代没有足够的成本（仅两次更新）而产生很大影响。

然而，对于非常大的数据量（大约 100,000 对），性能似乎会有所提高，然后会恶化（当有 50% 的相同对时达到峰值）。 这怎么可能呢，因为相同对的百分比肯定越高，分支错误预测越少，minDistance 必须更新的次数就越少？