我在C ++中使用内在函数为大型矩阵（8192x8192）编写了一个矩阵 - 矩阵（32位浮点数）乘法函数，每次读写操作的最小数据大小为32B。
我会将算法更改为阻塞算法，使其将8x8块读入8个YMM寄存器，并在目标块行（另一个YMM寄存器作为目标）上进行乘法，最后将8个结果累加到另一个寄存器中并存入存储器中。
问题：从非连续地址获取32B块是否重要？如果它如下所示，它是否会大幅改变性能：
Read 32B from p, compute, read 32B from p+8192 (this is next row of block), compute,
Read and compute until all 8 rows are done, write 32B to target matrix row p3
而不是
Read 32B from p, compute, read 32B from p+32, compute, read 32B from p+64......
我的意思是内存的读取速度，而不是缓存。
注意：我使用fx8150并且我不知道它是否可以在单次操作中读取超过32B。
答案 0 :(得分：1)
它可能为你提供更好的性能来拥有一个连续的缓冲区（至少，它不会更糟！）。
性能差异有多大将取决于大量因素（当然，如果你分配一堆32字节块，你很可能会得到“紧密”的内存块，所以缓存最坏的情况是，如果每个块都在不同的4KB内存段中，但如果每个块之间有一些“空白”字节，那就不是那么大了。
与许多其他性能问题一样，它与代码的确切细节，内存类型，处理器类型等有很大关系。真正找到的唯一方法是，您需要对不同的选项进行基准测试......