轉(zhuǎn)自：小林coding

前言

代碼都是由 CPU 跑起來(lái)的，我們代碼寫(xiě)的好與壞就決定了 CPU 的執(zhí)行效率，特別是在編寫(xiě)計(jì)算密集型的程序，更要注重 CPU 的執(zhí)行效率，否則將會(huì)大大影響系統(tǒng)性能。

CPU 內(nèi)部嵌入了 CPU Cache（高速緩存），它的存儲(chǔ)容量很小，但是離 CPU 核心很近，所以緩存的讀寫(xiě)速度是極快的，那么如果 CPU 運(yùn)算時(shí)，直接從 CPU Cache 讀取數(shù)據(jù)，而不是從內(nèi)存的話(huà)，運(yùn)算速度就會(huì)很快。

但是，大多數(shù)人不知道 CPU Cache 的運(yùn)行機(jī)制，以至于不知道如何才能夠?qū)懗瞿軌蚺浜?CPU Cache 工作機(jī)制的代碼，一旦你掌握了它，你寫(xiě)代碼的時(shí)候，就有新的優(yōu)化思路了。

那么，接下來(lái)我們就來(lái)看看，CPU Cache 到底是什么樣的，是如何工作的呢，又該寫(xiě)出讓 CPU 執(zhí)行更快的代碼呢？

正文

CPU Cache 有多快？

你可能會(huì)好奇為什么有了內(nèi)存，還需要 CPU Cache？根據(jù)摩爾定律，CPU 的訪(fǎng)問(wèn)速度每 18 個(gè)月就會(huì)翻倍，相當(dāng)于每年增長(zhǎng) 60% 左右，內(nèi)存的速度當(dāng)然也會(huì)不斷增長(zhǎng)，但是增長(zhǎng)的速度遠(yuǎn)小于 CPU，平均每年只增長(zhǎng) 7% 左右。于是，CPU 與內(nèi)存的訪(fǎng)問(wèn)性能的差距不斷拉大。

到現(xiàn)在，一次內(nèi)存訪(fǎng)問(wèn)所需時(shí)間是200~300多個(gè)時(shí)鐘周期，這意味著 CPU 和內(nèi)存的訪(fǎng)問(wèn)速度已經(jīng)相差200~300多倍了。

為了彌補(bǔ) CPU 與內(nèi)存兩者之間的性能差異，就在 CPU 內(nèi)部引入了 CPU Cache，也稱(chēng)高速緩存。

CPU Cache 通常分為大小不等的三級(jí)緩存，分別是L1 Cache、L2 Cache 和 L3 Cache。

由于 CPU Cache 所使用的材料是 SRAM，價(jià)格比內(nèi)存使用的 DRAM 高出很多，在當(dāng)今每生產(chǎn) 1 MB 大小的 CPU Cache 需要 7 美金的成本，而內(nèi)存只需要 0.015 美金的成本，成本方面相差了 466 倍，所以 CPU Cache 不像內(nèi)存那樣動(dòng)輒以 GB 計(jì)算，它的大小是以 KB 或 MB 來(lái)計(jì)算的。

在 Linux 系統(tǒng)中，我們可以使用下圖的方式來(lái)查看各級(jí) CPU Cache 的大小，比如我這手上這臺(tái)服務(wù)器，離 CPU 核心最近的 L1 Cache 是 32KB，其次是 L2 Cache 是 256KB，最大的 L3 Cache 則是 3MB。

其中，L1 Cache 通常會(huì)分為「數(shù)據(jù)緩存」和「指令緩存」，這意味著數(shù)據(jù)和指令在 L1 Cache 這一層是分開(kāi)緩存的，上圖中的index0也就是數(shù)據(jù)緩存，而index1則是指令緩存，它兩的大小通常是一樣的。

另外，你也會(huì)注意到，L3 Cache 比 L1 Cache 和 L2 Cache 大很多，這是因?yàn)?strong>L1 Cache 和 L2 Cache 都是每個(gè) CPU 核心獨(dú)有的，而 L3 Cache 是多個(gè) CPU 核心共享的。

程序執(zhí)行時(shí)，會(huì)先將內(nèi)存中的數(shù)據(jù)加載到共享的 L3 Cache 中，再加載到每個(gè)核心獨(dú)有的 L2 Cache，最后進(jìn)入到最快的 L1 Cache，之后才會(huì)被 CPU 讀取。它們之間的層級(jí)關(guān)系，如下圖：

越靠近 CPU 核心的緩存其訪(fǎng)問(wèn)速度越快，CPU 訪(fǎng)問(wèn) L1 Cache 只需要2~4個(gè)時(shí)鐘周期，訪(fǎng)問(wèn) L2 Cache 大約10~20個(gè)時(shí)鐘周期，訪(fǎng)問(wèn) L3 Cache 大約20~60個(gè)時(shí)鐘周期，而訪(fǎng)問(wèn)內(nèi)存速度大概在200~300個(gè) 時(shí)鐘周期之間。如下表格：

所以，CPU 從 L1 Cache 讀取數(shù)據(jù)的速度，相比從內(nèi)存讀取的速度，會(huì)快100多倍。

CPU Cache 的數(shù)據(jù)結(jié)構(gòu)和讀取過(guò)程是什么樣的？

CPU Cache 的數(shù)據(jù)是從內(nèi)存中讀取過(guò)來(lái)的，它是以一小塊一小塊讀取數(shù)據(jù)的，而不是按照單個(gè)數(shù)組元素來(lái)讀取數(shù)據(jù)的，在 CPU Cache 中的，這樣一小塊一小塊的數(shù)據(jù)，稱(chēng)為Cache Line（緩存塊）。

你可以在你的 Linux 系統(tǒng)，用下面這種方式來(lái)查看 CPU 的 Cache Line，你可以看我服務(wù)器的 L1 Cache Line 大小是 64 字節(jié)，也就意味著L1 Cache 一次載入數(shù)據(jù)的大小是 64 字節(jié)。

比如，有一個(gè)int array[100]的數(shù)組，當(dāng)載入array[0]時(shí)，由于這個(gè)數(shù)組元素的大小在內(nèi)存只占 4 字節(jié)，不足 64 字節(jié)，CPU 就會(huì)順序加載數(shù)組元素到array[15]，意味著array[0]~array[15]數(shù)組元素都會(huì)被緩存在 CPU Cache 中了，因此當(dāng)下次訪(fǎng)問(wèn)這些數(shù)組元素時(shí)，會(huì)直接從 CPU Cache 讀取，而不用再?gòu)膬?nèi)存中讀取，大大提高了 CPU 讀取數(shù)據(jù)的性能。

事實(shí)上，CPU 讀取數(shù)據(jù)的時(shí)候，無(wú)論數(shù)據(jù)是否存放到 Cache 中，CPU 都是先訪(fǎng)問(wèn) Cache，只有當(dāng) Cache 中找不到數(shù)據(jù)時(shí)，才會(huì)去訪(fǎng)問(wèn)內(nèi)存，并把內(nèi)存中的數(shù)據(jù)讀入到 Cache 中，CPU 再?gòu)?CPU Cache 讀取數(shù)據(jù)。

這樣的訪(fǎng)問(wèn)機(jī)制，跟我們使用「內(nèi)存作為硬盤(pán)的緩存」的邏輯是一樣的，如果內(nèi)存有緩存的數(shù)據(jù)，則直接返回，否則要訪(fǎng)問(wèn)龜速一般的硬盤(pán)。

那 CPU 怎么知道要訪(fǎng)問(wèn)的內(nèi)存數(shù)據(jù)，是否在 Cache 里？如果在的話(huà)，如何找到 Cache 對(duì)應(yīng)的數(shù)據(jù)呢？我們從最簡(jiǎn)單、基礎(chǔ)的直接映射 Cache（Direct Mapped Cache）說(shuō)起，來(lái)看看整個(gè) CPU Cache 的數(shù)據(jù)結(jié)構(gòu)和訪(fǎng)問(wèn)邏輯。

前面，我們提到 CPU 訪(fǎng)問(wèn)內(nèi)存數(shù)據(jù)時(shí)，是一小塊一小塊數(shù)據(jù)讀取的，具體這一小塊數(shù)據(jù)的大小，取決于coherency_line_size的值，一般 64 字節(jié)。在內(nèi)存中，這一塊的數(shù)據(jù)我們稱(chēng)為內(nèi)存塊（Bock），讀取的時(shí)候我們要拿到數(shù)據(jù)所在內(nèi)存塊的地址。

對(duì)于直接映射 Cache 采用的策略，就是把內(nèi)存塊的地址始終「映射」在一個(gè) CPU Line（緩存塊） 的地址，至于映射關(guān)系實(shí)現(xiàn)方式，則是使用「取模運(yùn)算」，取模運(yùn)算的結(jié)果就是內(nèi)存塊地址對(duì)應(yīng)的 CPU Line（緩存塊） 的地址。

舉個(gè)例子，內(nèi)存共被劃分為 32 個(gè)內(nèi)存塊，CPU Cache 共有 8 個(gè) CPU Line，假設(shè) CPU 想要訪(fǎng)問(wèn)第 15 號(hào)內(nèi)存塊，如果 15 號(hào)內(nèi)存塊中的數(shù)據(jù)已經(jīng)緩存在 CPU Line 中的話(huà)，則是一定映射在 7 號(hào) CPU Line 中，因?yàn)?5 % 8的值是 7。

機(jī)智的你肯定發(fā)現(xiàn)了，使用取模方式映射的話(huà)，就會(huì)出現(xiàn)多個(gè)內(nèi)存塊對(duì)應(yīng)同一個(gè) CPU Line，比如上面的例子，除了 15 號(hào)內(nèi)存塊是映射在 7 號(hào) CPU Line 中，還有 7 號(hào)、23 號(hào)、31 號(hào)內(nèi)存塊都是映射到 7 號(hào) CPU Line 中。

因此，為了區(qū)別不同的內(nèi)存塊，在對(duì)應(yīng)的 CPU Line 中我們還會(huì)存儲(chǔ)一個(gè)組標(biāo)記（Tag）。這個(gè)組標(biāo)記會(huì)記錄當(dāng)前 CPU Line 中存儲(chǔ)的數(shù)據(jù)對(duì)應(yīng)的內(nèi)存塊，我們可以用這個(gè)組標(biāo)記來(lái)區(qū)分不同的內(nèi)存塊。

除了組標(biāo)記信息外，CPU Line 還有兩個(gè)信息：

一個(gè)是，從內(nèi)存加載過(guò)來(lái)的實(shí)際存放數(shù)據(jù)（Data）。

另一個(gè)是，有效位（Valid bit），它是用來(lái)標(biāo)記對(duì)應(yīng)的 CPU Line 中的數(shù)據(jù)是否是有效的，如果有效位是 0，無(wú)論 CPU Line 中是否有數(shù)據(jù)，CPU 都會(huì)直接訪(fǎng)問(wèn)內(nèi)存，重新加載數(shù)據(jù)。

CPU 在從 CPU Cache 讀取數(shù)據(jù)的時(shí)候，并不是讀取 CPU Line 中的整個(gè)數(shù)據(jù)塊，而是讀取 CPU 所需要的一個(gè)數(shù)據(jù)片段，這樣的數(shù)據(jù)統(tǒng)稱(chēng)為一個(gè)字（Word）。那怎么在對(duì)應(yīng)的 CPU Line 中數(shù)據(jù)塊中找到所需的字呢？答案是，需要一個(gè)偏移量（Offset）。

因此，一個(gè)內(nèi)存的訪(fǎng)問(wèn)地址，包括組標(biāo)記、CPU Line 索引、偏移量這三種信息，于是 CPU 就能通過(guò)這些信息，在 CPU Cache 中找到緩存的數(shù)據(jù)。而對(duì)于 CPU Cache 里的數(shù)據(jù)結(jié)構(gòu)，則是由索引 + 有效位 + 組標(biāo)記 + 數(shù)據(jù)塊組成。

如果內(nèi)存中的數(shù)據(jù)已經(jīng)在 CPU Cahe 中了，那 CPU 訪(fǎng)問(wèn)一個(gè)內(nèi)存地址的時(shí)候，會(huì)經(jīng)歷這 4 個(gè)步驟：

根據(jù)內(nèi)存地址中索引信息，計(jì)算在 CPU Cahe 中的索引，也就是找出對(duì)應(yīng)的 CPU Line 的地址；

找到對(duì)應(yīng) CPU Line 后，判斷 CPU Line 中的有效位，確認(rèn) CPU Line 中數(shù)據(jù)是否是有效的，如果是無(wú)效的，CPU 就會(huì)直接訪(fǎng)問(wèn)內(nèi)存，并重新加載數(shù)據(jù)，如果數(shù)據(jù)有效，則往下執(zhí)行；

對(duì)比內(nèi)存地址中組標(biāo)記和 CPU Line 中的組標(biāo)記，確認(rèn) CPU Line 中的數(shù)據(jù)是我們要訪(fǎng)問(wèn)的內(nèi)存數(shù)據(jù)，如果不是的話(huà)，CPU 就會(huì)直接訪(fǎng)問(wèn)內(nèi)存，并重新加載數(shù)據(jù)，如果是的話(huà)，則往下執(zhí)行；

根據(jù)內(nèi)存地址中偏移量信息，從 CPU Line 的數(shù)據(jù)塊中，讀取對(duì)應(yīng)的字。

到這里，相信你對(duì)直接映射 Cache 有了一定認(rèn)識(shí)，但其實(shí)除了直接映射 Cache 之外，還有其他通過(guò)內(nèi)存地址找到 CPU Cache 中的數(shù)據(jù)的策略，比如全相連 Cache （Fully Associative Cache）、組相連 Cache （Set Associative Cache）等，這幾種策策略的數(shù)據(jù)結(jié)構(gòu)都比較相似，我們理解流直接映射 Cache 的工作方式，其他的策略如果你有興趣去看，相信很快就能理解的了。

如何寫(xiě)出讓 CPU 跑得更快的代碼？

我們知道 CPU 訪(fǎng)問(wèn)內(nèi)存的速度，比訪(fǎng)問(wèn) CPU Cache 的速度慢了 100 多倍，所以如果 CPU 所要操作的數(shù)據(jù)在 CPU Cache 中的話(huà)，這樣將會(huì)帶來(lái)很大的性能提升。訪(fǎng)問(wèn)的數(shù)據(jù)在 CPU Cache 中的話(huà)，意味著緩存命中，緩存命中率越高的話(huà)，代碼的性能就會(huì)越好，CPU 也就跑的越快。

于是，「如何寫(xiě)出讓 CPU 跑得更快的代碼？」這個(gè)問(wèn)題，可以改成「如何寫(xiě)出 CPU 緩存命中率高的代碼？」。

在前面我也提到， L1 Cache 通常分為「數(shù)據(jù)緩存」和「指令緩存」，這是因?yàn)?CPU 會(huì)別處理數(shù)據(jù)和指令，比如1+1=2這個(gè)運(yùn)算，+就是指令，會(huì)被放在「指令緩存」中，而輸入數(shù)字1則會(huì)被放在「數(shù)據(jù)緩存」里。

因此，我們要分開(kāi)來(lái)看「數(shù)據(jù)緩存」和「指令緩存」的緩存命中率。

如何提升數(shù)據(jù)緩存的命中率？

假設(shè)要遍歷二維數(shù)組，有以下兩種形式，雖然代碼執(zhí)行結(jié)果是一樣，但你覺(jué)得哪種形式效率最高呢？為什么高呢？

經(jīng)過(guò)測(cè)試，形式一array[i][j]執(zhí)行時(shí)間比形式二array[j][i]快好幾倍。

之所以有這么大的差距，是因?yàn)槎S數(shù)組array所占用的內(nèi)存是連續(xù)的，比如長(zhǎng)度N的指是2的話(huà)，那么內(nèi)存中的數(shù)組元素的布局順序是這樣的：

形式一用array[i][j]訪(fǎng)問(wèn)數(shù)組元素的順序，正是和內(nèi)存中數(shù)組元素存放的順序一致。當(dāng) CPU 訪(fǎng)問(wèn)array[0][0]時(shí)，由于該數(shù)據(jù)不在 Cache 中，于是會(huì)「順序」把跟隨其后的 3 個(gè)元素從內(nèi)存中加載到 CPU Cache，這樣當(dāng) CPU 訪(fǎng)問(wèn)后面的 3 個(gè)數(shù)組元素時(shí)，就能在 CPU Cache 中成功地找到數(shù)據(jù)，這意味著緩存命中率很高，緩存命中的數(shù)據(jù)不需要訪(fǎng)問(wèn)內(nèi)存，這便大大提高了代碼的性能。

而如果用形式二的array[j][i]來(lái)訪(fǎng)問(wèn)，則訪(fǎng)問(wèn)的順序就是：

你可以看到，訪(fǎng)問(wèn)的方式跳躍式的，而不是順序的，那么如果 N 的數(shù)值很大，那么操作array[j][i]時(shí)，是沒(méi)辦法把a(bǔ)rray[j+1][i]也讀入到 CPU Cache 中的，既然array[j+1][i]沒(méi)有讀取到 CPU Cache，那么就需要從內(nèi)存讀取該數(shù)據(jù)元素了。很明顯，這種不連續(xù)性、跳躍式訪(fǎng)問(wèn)數(shù)據(jù)元素的方式，可能不能充分利用到了 CPU Cache 的特性，從而代碼的性能不高。

那訪(fǎng)問(wèn)array[0][0]元素時(shí)，CPU 具體會(huì)一次從內(nèi)存中加載多少元素到 CPU Cache 呢？這個(gè)問(wèn)題，在前面我們也提到過(guò)，這跟 CPU Cache Line 有關(guān)，它表示CPU Cache 一次性能加載數(shù)據(jù)的大小，可以在 Linux 里通過(guò)coherency_line_size配置查看 它的大小，通常是 64 個(gè)字節(jié)。

也就是說(shuō)，當(dāng) CPU 訪(fǎng)問(wèn)內(nèi)存數(shù)據(jù)時(shí)，如果數(shù)據(jù)不在 CPU Cache 中，則會(huì)一次性會(huì)連續(xù)加載 64 字節(jié)大小的數(shù)據(jù)到 CPU Cache，那么當(dāng)訪(fǎng)問(wèn)array[0][0]時(shí)，由于該元素不足 64 字節(jié)，于是就會(huì)往后順序讀取array[0][0]~array[0][15]到 CPU Cache 中。順序訪(fǎng)問(wèn)的array[i][j]因?yàn)槔昧诉@一特點(diǎn)，所以就會(huì)比跳躍式訪(fǎng)問(wèn)的array[j][i]要快。

因此，遇到這種遍歷數(shù)組的情況時(shí)，按照內(nèi)存布局順序訪(fǎng)問(wèn)，將可以有效的利用 CPU Cache 帶來(lái)的好處，這樣我們代碼的性能就會(huì)得到很大的提升，

如何提升指令緩存的命中率？

提升數(shù)據(jù)的緩存命中率的方式，是按照內(nèi)存布局順序訪(fǎng)問(wèn)，那針對(duì)指令的緩存該如何提升呢？

我們以一個(gè)例子來(lái)看看，有一個(gè)元素為 0 到 100 之間隨機(jī)數(shù)字組成的一維數(shù)組：

接下來(lái)，對(duì)這個(gè)數(shù)組做兩個(gè)操作：

第一個(gè)操作，循環(huán)遍歷數(shù)組，把小于 50 的數(shù)組元素置為 0；

第二個(gè)操作，將數(shù)組排序；

那么問(wèn)題來(lái)了，你覺(jué)得先遍歷再排序速度快，還是先排序再遍歷速度快呢？

在回答這個(gè)問(wèn)題之前，我們先了解 CPU 的分支預(yù)測(cè)器。對(duì)于 if 條件語(yǔ)句，意味著此時(shí)至少可以選擇跳轉(zhuǎn)到兩段不同的指令執(zhí)行，也就是 if 還是 else 中的指令。那么，如果分支預(yù)測(cè)可以預(yù)測(cè)到接下來(lái)要執(zhí)行 if 里的指令，還是 else 指令的話(huà)，就可以「提前」把這些指令放在指令緩存中，這樣 CPU 可以直接從 Cache 讀取到指令，于是執(zhí)行速度就會(huì)很快。

當(dāng)數(shù)組中的元素是隨機(jī)的，分支預(yù)測(cè)就無(wú)法有效工作，而當(dāng)數(shù)組元素都是順序的，分支預(yù)測(cè)器會(huì)動(dòng)態(tài)地根據(jù)歷史命中數(shù)據(jù)對(duì)未來(lái)進(jìn)行預(yù)測(cè)，這樣命中率就會(huì)很高。

因此，先排序再遍歷速度會(huì)更快，這是因?yàn)榕判蛑?，?shù)字是從小到大的，那么前幾次循環(huán)命中if < 50?的次數(shù)會(huì)比較多，于是分支預(yù)測(cè)就會(huì)緩存?if?里的?array[i] = 0?指令到 Cache 中，后續(xù) CPU 執(zhí)行該指令就只需要從 Cache 讀取就好了。

如果你肯定代碼中的if中的表達(dá)式判斷為true的概率比較高，我們可以使用顯示分支預(yù)測(cè)工具，比如在 C/C++ 語(yǔ)言中編譯器提供了likely和unlikely這兩種宏，如果if條件為ture的概率大，則可以用likely宏把if里的表達(dá)式包裹起來(lái)，反之用unlikely宏。

實(shí)際上，CPU 自身的動(dòng)態(tài)分支預(yù)測(cè)已經(jīng)是比較準(zhǔn)的了，所以只有當(dāng)非常確信 CPU 預(yù)測(cè)的不準(zhǔn)，且能夠知道實(shí)際的概率情況時(shí)，才建議使用這兩種宏。

如果提升多核 CPU 的緩存命中率？

在單核 CPU，雖然只能執(zhí)行一個(gè)進(jìn)程，但是操作系統(tǒng)給每個(gè)進(jìn)程分配了一個(gè)時(shí)間片，時(shí)間片用完了，就調(diào)度下一個(gè)進(jìn)程，于是各個(gè)進(jìn)程就按時(shí)間片交替地占用 CPU，從宏觀(guān)上看起來(lái)各個(gè)進(jìn)程同時(shí)在執(zhí)行。

而現(xiàn)代 CPU 都是多核心的，進(jìn)程可能在不同 CPU 核心來(lái)回切換執(zhí)行，這對(duì) CPU Cache 不是有利的，雖然 L3 Cache 是多核心之間共享的，但是 L1 和 L2 Cache 都是每個(gè)核心獨(dú)有的，如果一個(gè)進(jìn)程在不同核心來(lái)回切換，各個(gè)核心的緩存命中率就會(huì)受到影響，相反如果進(jìn)程都在同一個(gè)核心上執(zhí)行，那么其數(shù)據(jù)的 L1 和 L2 Cache 的緩存命中率可以得到有效提高，緩存命中率高就意味著 CPU 可以減少訪(fǎng)問(wèn) 內(nèi)存的頻率。

當(dāng)有多個(gè)同時(shí)執(zhí)行「計(jì)算密集型」的線(xiàn)程，為了防止因?yàn)榍袚Q到不同的核心，而導(dǎo)致緩存命中率下降的問(wèn)題，我們可以把線(xiàn)程綁定在某一個(gè) CPU 核心上，這樣性能可以得到非常可觀(guān)的提升。

在 Linux 上提供了sched_setaffinity方法，來(lái)實(shí)現(xiàn)將線(xiàn)程綁定到某個(gè) CPU 核心這一功能。

總結(jié)

由于隨著計(jì)算機(jī)技術(shù)的發(fā)展，CPU 與 內(nèi)存的訪(fǎng)問(wèn)速度相差越來(lái)越多，如今差距已經(jīng)高達(dá)好幾百倍了，所以 CPU 內(nèi)部嵌入了 CPU Cache 組件，作為內(nèi)存與 CPU 之間的緩存層，CPU Cache 由于離 CPU 核心很近，所以訪(fǎng)問(wèn)速度也是非?？斓模捎谒璨牧铣杀颈容^高，它不像內(nèi)存動(dòng)輒幾個(gè) GB 大小，而是僅有幾十 KB 到 MB 大小。

當(dāng) CPU 訪(fǎng)問(wèn)數(shù)據(jù)的時(shí)候，先是訪(fǎng)問(wèn) CPU Cache，如果緩存命中的話(huà)，則直接返回?cái)?shù)據(jù)，就不用每次都從內(nèi)存讀取速度了。因此，緩存命中率越高，代碼的性能越好。

但需要注意的是，當(dāng) CPU 訪(fǎng)問(wèn)數(shù)據(jù)時(shí)，如果 CPU Cache 沒(méi)有緩存該數(shù)據(jù)，則會(huì)從內(nèi)存讀取數(shù)據(jù)，但是并不是只讀一個(gè)數(shù)據(jù)，而是一次性讀取一塊一塊的數(shù)據(jù)存放到 CPU Cache 中，之后才會(huì)被 CPU 讀取。

內(nèi)存地址映射到 CPU Cache 地址里的策略有很多種，其中比較簡(jiǎn)單是直接映射 Cache，它巧妙的把內(nèi)存地址拆分成「索引 + 組標(biāo)記 + 偏移量」的方式，使得我們可以將很大的內(nèi)存地址，映射到很小的 CPU Cache 地址里。

要想寫(xiě)出讓 CPU 跑得更快的代碼，就需要寫(xiě)出緩存命中率高的代碼，CPU L1 Cache 分為數(shù)據(jù)緩存和指令緩存，因而需要分別提高它們的緩存命中率：

對(duì)于數(shù)據(jù)緩存，我們?cè)诒闅v數(shù)據(jù)的時(shí)候，應(yīng)該按照內(nèi)存布局的順序操作，這是因?yàn)?CPU Cache 是根據(jù) CPU Cache Line 批量操作數(shù)據(jù)的，所以順序地操作連續(xù)內(nèi)存數(shù)據(jù)時(shí)，性能能得到有效的提升；

對(duì)于指令緩存，有規(guī)律的條件分支語(yǔ)句能夠讓 CPU 的分支預(yù)測(cè)器發(fā)揮作用，進(jìn)一步提高執(zhí)行的效率；

另外，對(duì)于多核 CPU 系統(tǒng)，線(xiàn)程可能在不同 CPU 核心來(lái)回切換，這樣各個(gè)核心的緩存命中率就會(huì)受到影響，于是要想提高進(jìn)程的緩存命中率，可以考慮把線(xiàn)程綁定 CPU 到某一個(gè) CPU 核心。

原文標(biāo)題：面試官：如何寫(xiě)出讓 CPU 跑得更快的代碼？

文章出處：【微信公眾號(hào)：Linux愛(ài)好者】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq