是否可以在堆栈上创建向量？

Question

由于优化原因，我希望向量存在于缓存中，并将其放在堆栈中会大大增加这种可能性。是否可以在堆栈上创建向量？如果有必要，我完全愿意重新实现自己的std::vector变体。如果需要，我也很习惯使用内联汇编。

Answer 1

  

在堆栈上具有[vector]会大大增加[其内容在缓存中]的几率。”

这是猜测。缓存可以从堆栈和堆中加载数据。缓存并不关心原始物理内存的来源。这就是缓存的目的。所有人都称赞Cache。实际上，从软件角度看内存的位置（自动存储还是免费存储）与物理位置（缓存，RAM，磁盘等）之间甚至没有很强的关联性。

  

由于优化原因，我想要[...]

我想您想要一个更快的软件。为此，您需要确定到底是什么使它变得太慢而无法满足您的口味。有a profiler is one of them种工具。当您解决了所有瓶颈并留有仍然太慢的软件时，可以确定您会遇到data-oriented性能问题。这是当您问自己：我如何才能以一种可预测的方式处理记忆，以帮助我的CPU cache和CPU branch prediction ？

Answer 2

CPU缓存不知道或不在乎您是使用堆栈还是堆内存，它可以处理原始内存地址，这些地址细分为缓存行（例如64字节）。此外，虚拟内存子系统在页面（例如4KB）上运行，这也可能是速度降低的原因。因此， 重要的是停留在相同的内存位置或附近，即通过重复使用内存。

是的，在进行缓存时，堆栈内存通常是一个安全的选择，因为堆栈的顶部通常是“热”的，这意味着已经被缓存了。但是堆栈并不意味着要存储大型或动态大小的对象，因为这样做会使顶部移出热点区域并破坏目的。

from scipy import rand, floor import matplotlib.pyplot as plt Lx=30; Ly=20 p=0.4 r=rand(Lx,Ly) # Generates random numbers across the 2D lattice of size Lx*Ly A = floor(r+p) # Using spy plt.xlabel('$L_x$'); plt.ylabel('$L_y$') plt.spy(A, origin='lower') plt.title("Figure 1") plt.savefig('fig1.png') # Using imshow plt.xlabel('$L_x$'); plt.ylabel('$L_y$') plt.imshow(r, cmap='rainbow', origin='lower', extent=[0,Lx,0,Ly]) plt.title("Figure 2") plt.colorbar(orientation='horizontal') plt.savefig('fig2.png') # Using matshow plt.xlabel('$L_x$'); plt.ylabel('$L_y$') plt.matshow(r, cmap='rainbow', origin='lower', extent=[0,Lx,0,Ly]) plt.colorbar(orientation='horizontal') plt.title("Figure 3") plt.savefig('fig3.png') plt.show() #Issues # 1) plt.show() doesn't show spy-plot (Figure 1). # 2) Axes labels don't pass to matshow-plot (Figure 3). # 3) spy-plot shows wrong-label ($L_x$ and $L_y$ are interchanged in Figure 2). # 4) None of the plots set origin at 'lower', i.e. at the bottom-left position. 可以缓存友好。只要确保事先reserve内存，就可以避免昂贵的重新分配和数据移动，并使用缓存友好的内存分配器，例如jemalloc（BSD内置）或ptmalloc（Linux内置）。当然还有个人资料，个人资料，个人资料。

Answer 3

如果您希望向量驻留在堆栈中，则无需重新实现向量，而仅“提供”一个使用堆栈而不是堆的新分配器。

您可以查看this来获得想法。