分支分歧(branch divergence)造成SIMT性能降低的原因
warp中的线程按照SIMD(Single Instruction Multiple Data)模式执行——它们执行相同的代码，但处理不同的数据。当遇到分支指令时，执行不同分支路径的线程只能串行执行。这种因不一致分支行为引起的串行执行现象被称作Branch Divergence，它的出现严重影响了GPU的执行效率，降低了程序性能。针对这个问题，人们提出了线程交换的优化方法，其主要思想为：将具有相同分支行为(即执行相同分支路径)的线程放在同一个warp中，这样warp中的线程就可以并行执行，从而达到减少Branch Divergence、提高性能的目的。
于齐, 王博千, 沈立, 王志英, & 陈微. (2016). Gpu平台上面向性能和功耗的分支优化. 计算机科学, 43(5), 22-26.