问2次幂大小数据的性能优势？

EN

其他答案确实是正确的，即2的幂大小的数据将受益于使用移位乘法。

然而，有一个暗面到2的幂大小的数据。它会在你最意想不到的时候袭击你。

查看以下两个问题/答案：

• Matrix multiplication: Small difference in matrix size, large difference in timings
• Why are elementwise additions much faster in separate loops than in a combined loop?

当您的数据集是2的幂时，它们在内存中更有可能是超级对齐的。(这意味着它们的地址很可能在2的大幂上具有相同的模数。)

虽然这似乎是可取的，但它们可以导致：

• Conflict Cache Misses
• False别名停顿(在上面的第二个链接中提到)

如果你阅读上面链接的两个问题，你可以看到对齐可以导致超过3倍的减慢-这可能远远超过你从使用移位而不是乘法中获得的任何好处。

因此，对于所有的性能问题，您需要测量，测量，测量...做好准备，准备好迎接任何事情的发生。

您提到您代表的是一个3D空间--这正是一种可能导致速度减慢的2次方跨步内存访问的情况。

它并不是很“快”，而是更好地利用了可用内存，因为硬件和操作系统管理内存的单元大小很可能是2的幂。分配小于2的幂的东西通常会因为对齐要求而导致内存浪费。

如果您深入研究分配器和OS内存管理器，您将看到它们以2的幂大小管理一切。操作系统通常按页来管理进程的内存，现在页大小通常为4096字节。所以如果你想分配一个4000字节的块，操作系统仍然会分配4096个字节，剩下的96个字节会被浪费掉。

如果您通过以下方式访问数据：

chunks[150][150][150]
chucks[x][y][z] = 123;

然后处理器必须做乘法运算(例如:z+ 150 * (y + 150 * x) ... )为了得到一个地址。

如果你使用2的幂常数，那么编译器可以做一些优化，并使用移位而不是乘法。新的CPU使得乘法非常快，所以影响不大。

使用大表可能会导致大量缓存未命中。所以更小的表可能比更大的表更快，即使更大的表也有2的幂大小的维度，而更小的表则不是。