高效遍历多维数组需遵循行优先存储特性：外层循环控制行、内层控制列，使内存访问连续，提升缓存命中率。
多维数组要真正“缓存友好”，核心不是写法多酷，而是让 CPU 缓存行尽量少换、数据尽量成片加载。关键在两点：内存布局是连续的，访问顺序要贴着这个布局走。
按行优先顺序遍历（主流语言通用）
绝大多数语言（C/C++、Go、Java、Python 的 NumPy）采用行优先存储：同一行的元素在内存里挨着，跨行则跳一大段。所以外层循环控制行、内层控制列，才能保证每次读取的下一个元素大概率已在缓存中。
- ✅ 推荐写法（高效）：for i := 0; i
- ❌ 避免写法（缓存不友好）：for j := 0; j —— 这样每次取的是不同行的同一列，内存地址跳跃大，缓存行反复失效
提前缓存子数组引用，减少重复寻址
尤其在 Go 或 Java 等支持“数组切片”或“引用数组”的语言中，嵌套 range 容易导致每次内层循环都重新解引用外层数组。把当前行提取为局部变量，可避免重复计算地址和指针解引。
- 例如 Go 中：for i := 0; i
- 比 for _, row := range matrix { for _, v := range row { process(v) } } 更快，实测可提速一倍以上（458ms → 213ms）
确保底层内存真正连续
语法像二维，不等于物理连续。Java 的 int[][]、Go 的 [][]int、Python 原生 list[list[int]] 实际是“指针数组”，每行单独分配，彼此地址不相关。这种结构天生缓存不友好，频繁跨行访问时 cache miss 高发。
- 高性能场景应优先用连续结构：C 的
int arr[100][100]、NumPy 的ndarray、或手动申请一整块内存 + 行指针模拟 - 若必须用嵌套引用结构，且需行列切换频繁，建议预先转置，或改用单维数组 + 手动下标计算：
matrix[i * cols + j]
注意缓存行大小，对齐访问节奏
CPU 缓存一次加载通常 64 字节（一个缓存行）。假设 int 占 4 字节，一行能塞进 16 个元素。如果内层循环步长过大（如每次加 32），就容易跳过已加载的缓存行，造成浪费。
- 保持内层循环步长为 1（顺序访问）是最稳妥的
- 结构体数组中，字段排列也影响缓存效率：把高频访问字段放前面，避免为读一个 int 而加载整个未对齐结构
