自从我开始研究我正在使用的实际代码之后，这就是我正在努力解决的问题。 我的顾问在过去的十年里写过这篇文章，并且在某些时候，我们通常存储在矩阵或张量中的股票价值。
实际上，我们使用Virial定理（来自分子动力学模拟）计算六个独立组合物的矩阵，并且他有习惯在每个记录步骤存储6 * 1D阵列，每个值一个，即xy（n） ，xz（n）yz（n）... n是记录数。
我假设单个数组s（n，3,3）可能更有效，因为值将彼此更紧密地存储（xy（n）和xz（n）没有理由并排存储在内存中）并减少有关内存损坏或内存访问错误的错误。我试着在实验室里讨论它，但最终没人关心，这只是一个假设。
如果代码中的所有内容都没有像那样存储，那么这就不会对我产生错误。每个3d数量都存储在3个不同的数组中，而不是1个。对于代码的性能，这对我来说感觉很奇怪。
对于长计算和大数据量，它们的效果是否相同？我决定在解决由于错误的内存访问导致的错误之后发布这里，其中一个因为我发现代码更易读，数据更容易计算（s = s + ...而不是六行xy = xy +。 ..例如）。
答案 0 :(得分：2)
列彼此靠近的事实并不是很重要，尤其是在前导维n很大的情况下。您的CPU有多个预取流，可以在不同列的不同数组中同时预取。
如果您在可分配A(n,3,3)的数组A中进行某些随机访问，则在编译时不知道这些维度。因此，随机元素A(i,j,k)的地址将为address_of(A(1,1,1)) + i + (j-1)*n + (k-1)*3*n，并且必须在每次对阵列进行随机访问时执行时计算。地址的计算涉及3个整数乘法（每个3个CPU周期）和至少3个加法（每个1个周期）。但是，编译器可以使用相对地址来优化常规访问（可预测）。
如果你有不同的1索引数组，地址的计算只涉及一个整数加法（1个循环），因此当使用单个3索引数组时，每次访问都会产生至少11个周期的性能损失。
此外，如果你有9个不同的数组，它们中的每一个都可以在缓存行边界上对齐，而你将被迫在行的末尾使用填充来确保单个数组的这种行为。
所以我想说在A(n,3,3)的特定情况下，因为最后两个索引很小并且在编译时已知，所以你可以安全地将9个不同的数组转换为潜在的获得一些表现。
请注意，如果您经常以随机顺序使用相同索引i的9个数组的数据，则将数据重新组织为A(3,3,n)将使您的性能明显提高。如果a是双精度，如果A(4,4,n)在64字节边界上对齐，A可能会更好，因为每个A(1,1,i)将位于缓存行的第1个位置。< / p>
答案 1 :(得分：1)
假设您总是沿n循环，并且每个循环内部需要访问矩阵中的所有组件，存储像s(6,n)或s(3,3,n)这样的数组将受益于{{3} }。
do i=1,n
! do some calculation with s(:,i)
enddo
然而，如果你的内圈看起来像这样
resultarray(i)=xx(i)+yy(i)+zz(i)+2*(xy(i)+yz(i)+xz(i))
不要更改数组布局，因为您可能会中断cache optimization优化。