按行优先顺序遍历二维数组可提升缓存命中率，因数组内存布局为行连续，访问arri时缓存会预加载同行列元素；列优先遍历则导致跨步访问、缓存缺失频繁。
在多重嵌套循环中，若涉及对二维数组（或矩阵）的遍历，按行优先顺序访问数据能显著提升缓存命中率——这是因为现代CPU缓存以缓存行（cache line）为单位加载内存，而数组在内存中默认按行优先连续存储。
理解行优先存储与缓存行机制
以 C/C++ 或 Java 中的二维数组 int arr[M][N] 为例，元素 arr[i][j] 的内存地址紧邻 arr[i][j+1]，而非 arr[i+1][j]。当 CPU 访问 arr[i][0] 时，缓存会一次性载入包含该地址的一整块（如64字节），很可能把 arr[i][1] 到 arr[i][k] 也带进来。下一次访问同一行后续元素时，大概率命中缓存。
避免列优先循环带来的缓存抖动
若写成外层遍历列、内层遍历行（即先 j 后 i），每次访问 arr[0][j]、arr[1][j]、arr[2][j]… 实际上是跨步访问相距 N * sizeof(int) 的内存位置，极大概率每次都不在当前缓存行内，导致频繁缓存缺失和内存带宽浪费。
实际优化建议
- 对二维数组做全量遍历时，确保最内层循环变量对应列下标（即行索引在外，列索引在内）： for (int i = 0; i for (int j = 0; j use(arr[i][j]);
- 若算法逻辑强制要求列优先处理（如某些转置或列归约），可考虑分块（tiling / blocking）：将大矩阵划分为小块（如 16×16），在块内保持行优先访问，减少跨行跳转距离。
- 使用 restrict（C99）或编译器提示（如 #pragma omp simd）帮助编译器确认无内存别名，利于向量化与预取优化。
验证效果的小技巧
用 perf stat -e cache-references,cache-misses 对比优化前后缓存缺失率；也可观察运行时间变化——在大数组（如 4096×4096）上，行优先常比列优先快 2–5 倍，差异随数据规模增大而更明显。
