最有效提升缓存命中率的手段是分配连续内存并匹配硬件访问特性；推荐用std::vector替代裸指针，显式对齐至64字节边界，并按行优先顺序访问。
直接在栈或堆上分配连续大数组，是提升缓存命中率最基础也最有效的手段——关键不在“大”，而在“连续”和“访问方式匹配硬件特性”。
用 std::vector 替代裸 new[] 或 malloc
std::vector 内部使用连续内存块，支持 RAII 管理，且编译器对其访问模式有充分优化信息。相比手动 new[]，它避免了隐式对齐错误、释放遗漏，更重要的是便于启用编译器自动向量化和预取提示。
- ✅ 推荐写法：std::vector
data(N); —— 元素紧挨着存放，一次加载 64 字节缓存行可覆盖多个元素 - ❌ 避免写法：int* p = new int[N]; —— 虽然也是连续，但缺少容器语义，易被误用为指针跳转；若后续做 resize 或移动，可能破坏局部性
- ? 小技巧：构造时预留容量（vector.reserve(N)）可避免多次 realloc 导致的内存搬迁
显式对齐至缓存行边界（64 字节）
CPU 每次加载数据以缓存行为单位（典型为 64 字节）。若数组起始地址未对齐，单次访问可能跨两个缓存行，造成冗余加载；多线程下还易引发伪共享。
- ✅ 推荐写法：alignas(64) std::array
aligned_data; 或 std::vectordata; data.resize(1024); alignas(64) float* ptr = data.data(); （配合 std::aligned_alloc 更稳妥） - ? 对齐后，遍历中每 16 个 float（4 字节 × 16 = 64 字节）刚好填满一行，预取效率最大化
- ⚠️ 注意：过度对齐会浪费少量内存，但对性能收益远大于成本，尤其在高频循环中
按缓存友好顺序访问 + 循环分块（Tiling）
即使内存连续，若访问跨度大（如大二维数组列优先），仍会反复淘汰缓存行。对超大一维或二维数组，需控制“工作集”大小，使其适配 L1/L2 缓存容量。
- ✅ 行优先遍历（一维即自然顺序）：for (size_t i = 0; i
- ✅ 大数组分块处理（以 L1d=32KB、int=4B 为例，块大小≈8K 元素）：
constexpr size_t BLOCK_SIZE = 8192;
for (size_t i = 0; i size_t end = std::min(i + BLOCK_SIZE, N);
for (size_t j = i; j } - ? 分块让热点数据反复驻留于 L1，减少 L2/L3 甚至主存访问
避免结构体内存填充干扰连续性
若数组是结构体成员，不当布局会导致相邻元素之间插入填充字节，人为制造“逻辑连续、物理跳跃”的假象。
- ✅ 结构体重排：把大字段（如数组）放在前面，小字段（bool、char）集中放后面，减少跨缓存行访问
- ✅ 使用 #pragma pack(1) 或 alignas 控制对齐，但需权衡跨边界访问开销（实测通常对齐版本更快）
- ? 示例：struct Buffer { alignas(64) std::array
samples; uint8_t flags; }; —— 数组独占缓存行，flags 不干扰
