|     5 |  23693 | 23436 | 74349 | 29796 | 

|     6 |  23264 | 23707 | 27005 | 44103 | 

|     7 |  28574 | 28979 | 33169 | 58759 | 

|     8 |  33155 | 34405 | 39339 | 65182 | 

|     9 |  37088 | 37788 | 49863 |156745 | 

|    10 |  41543 | 42103 | 58533 |215278 | 

|    11 |  47638 | 50329 | 66620 |335603 | 

|    12 |  49759 | 51228 | 75087 |305075 | 

|    13 |  53938 | 53924 | 77790 |366879 | 

|    14 |  58422 | 59565 | 90501 |466368 | 

|    15 |  62161 | 64129 | 90814 |525780 | 

|    16 |  67061 | 66663 | 98734 |440558 | 

|    17 |  71132 | 69753 |171203 |506631 | 

|    18 |  74102 | 73130 |293947 |550920 | 

我们可以看到，从[9，1024] 以后，时间显注上升。包括[17，512] 和 [18,512] 也显注上升。这是由于，我机器的 L1 Cache 是 32KB, 8 Way 的，前面说过，8 Way 的一个组有 64 个 Cache Line，也就是 4096 个字节，而 1024 个整型正好是 4096 Bytes，所以，一旦过了 8 Way + 4096 Bytes 这个界，每个步长都无法命中 L1 Cache，每次都是 Cache Miss，所以，招致拜访时间一下子就上升了。而 [16, 512]也是一样的，其中的几步末尾招致 L1 Cache 末尾失效。

示例三

接上去，我们再来看个示例。下面是一个二维数组的两种遍历方式，一个逐行遍历，一个是逐列遍历，这两种方式在实际下去说，寻址和计算量都是一样的，执行时间应该也是一样的。

const int row = 1024; 

const int col = 512 

int matrix[row][col]; 

 

//逐行遍历 

int sum_row=0; 

for(int r=0; r<row; r++) { 

    for(int c=0; c<col; c++){ 

        sum_row += matrix[r]; 

    } 

} 

 

//逐列遍历 

int sum_col=0; 

for(int c=0; c<col; c++) { 

    for(int r=0; r<row; r++){ 

        sum_col += matrix[r]; 

    } 

} 

但是，并不是，在我的机器上，失掉下面的结果。

逐行遍历：0.081ms

逐列遍历：1.069ms

执行时间有十几倍的差距。其中的缘由，就是逐列遍历关于 CPU Cache 的运作方式并不友好，所以，付出庞大的代价。

示例四

(责任编辑：admin)