在helpful but somewhat dated 2006年11月关于使用 vDSP 向量化代码的文章中，作者发表了声明：
重要的是要记住，事实是只有操作 等于一的步幅将提供超快的矢量化代码。
今天这仍然是真的吗？即使在较新的 Intel 处理器上，它们具有更强大的矢量内在函数？
我问，因为我正在编写一些矩阵数学例程，并且刚刚开始将它们全部切换为使用 Fortran 类似列主要排序的路径更容易与 MATLAB ， BLAS 和 LAPACK 兼容。但现在我发现我对 vDSP 的一些调用需要处理不再连续的向量...
目前，这些 vDSP 调用是我的代码所运行的瓶颈例程。并不是说这将总是就是这样，但至少我现在不想放慢速度，只是为了让那些其他库的调用变得更简单。
我现在最常被称为 vDSP 的例程是vDSP_distancesq，以防万一。
答案 0 :(得分：4)
仍然如此。 AFAIK（从SSE4.x开始，我认为AVX不会改变这种情况）SSE内存加载指令仅加载连续块。
您可以使用2的步幅进行矢量化，但需要进行一些额外的重排操作。
这是一个适合同一缓存行的问题，以便立即从缓存加载整个SSE寄存器。 （而且内存的数量 - ＆gt;缓存传输对性能来说甚至更为重要）。
为了支持分散 - 聚集SSE，不需要大量更新的SIMD指令，而是缓存和内存控制器。
答案 1 :(得分：3)
是
如果有充分理由，我们（Apple的Vector和Numerics Group）可以为某些其他步骤添加优化。例如，对于两个步幅，在某些处理器模型上，我们将正常加载矢量块，然后使用各种置换指令来提取其他所有元素。这将导致代码不如单位步长代码快，但会比当前代码快。通常不会这样做，因为通常有其他更好的方法，例如将跨步数据复制到单位步长缓冲区，对缓冲区执行多个vDSP操作，以及将数据复制回来。
你所描述的案例似乎不适合专攻非单位的步伐。如果您在数组的连续列中执行多个vDSP_distancesq操作，最好并行执行它们（一次多个列）而不是串行（一个列全部，然后是所有另一个列，......）。如果您只对隔离列执行单个vDSP_distancesq操作，则还有其他问题。矩阵上的列操作因缓存问题而臭名昭着，特别是如果每行的字节数是2的相当大的倍数的倍数。该操作可能受内存负载的约束，因此编写专门的代码来优化计算可能没有任何好处。