减少缓存冲突，提高程序执行速度-优快云博客

本文通过两个不同实现方式的矩阵乘法程序对比，展示了考虑缓存和程序局部性对于提升程序执行效率的重要性。实验结果显示，经过优化的程序运行速度显著加快。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

关于缓存和程序的局部性可参见http://rednaxelafx.javaeye.com/blog/412560 。我主要是用C++编制了矩阵相乘的程序，实测结果表明减少缓存冲突确实可以显著提高程序执行速度。测试环境：VC2010，Intel® Core(TM)2 Duo CPU T5870 2.00GHZ，内存2G。在release模式下。

#include<iostream>
#include<ctime>
#include<random>
using namespace std;

//
// 矩阵相乘，没考虑缓存和程序局部性
//
void mulmat1(double * const A, double * const B, double *C,int n)
{
    double v(0.0);
    for(int i = 0; i < n; ++i)
        for(int j = 0; j < n; ++j)
        {
            v = 0.0;
            for(int k = 0; k < n; ++k)
                v += A[n*i + k] * B[n*k + j];
            C[n*i + j] =v;
        }
}

//
// 考虑缓存和程序局部性
//
void mulmat2(double * const A, double * const B, double *C,int n)
{
    double aij(0.0);
    double* B_row(0);
    double* C_row(0);
    for(int i = 0; i < n*n; ++i) C[i] = 0.0;
    for(int i = 0; i < n; ++i)
    {
        C_row = C + n*i;
        for(int j = 0; j < n; ++j)
        {
            aij = A[n*i + j];
            B_row = B + n*j;
            for(int k = 0; k < n; ++k)
                *(C_row + k) += aij * B_row[k];
        }
    }
}
int main()
{
    std::mt19937 rr;
    int n = 1000;
    double* A = new double[n*n];
    double* B = new double[n*n];
    double* C = new double[n*n];
    for(int i = 0; i < n; ++i)
        for(int j = 0; j < n; ++j)
        {
            A[n*i + j] = rr()%10000;
            B[n*i + j] = rr()%10000;
        }
    clock_t t=clock();
    mulmat1(A, A, C, n);
    cout<<"mulmat1执行时间："<<clock()-t<<"ms"<<endl;
    t=clock();
    mulmat2(A, A, C, n);
    cout<<"mulmat2执行时间："<<clock()-t<<"ms"<<endl;
    delete[] C;
    delete[] B;
    delete[] A;
}