在C中遍历多维数组中的列的最快方法

我目前正在做一个程序来解决红色/蓝色的计算；程序是用C语言编写的

问题描述如下：

tl；dr你有一个颜色网格（红/蓝/白），首先红细胞根据特定规则向右移动，然后蓝细胞根据其他规则向下移动

我已经让我的程序运行并给出正确的输出，现在我正在尝试看看是否我根本不能加速它

使用Intel的VTune放大器（这是一门并行编程课程，我们在visual studio中使用集成了并行studio的pthreads），我发现代码中最大的热点是移动蓝色单元格

实现细节：网格存储为动态分配的int**，设置如下

globalBoard = malloc(sizeof(int *) * size);
    for (i = 0; i < size; i++)
    {
        globalBoard[i] = malloc(sizeof(int) * size);
        for (j = 0; j < size; j++)
            globalBoard[i][j] = rand() % 3;
    }

globalBoard=malloc（sizeof（int*）*size）；
对于（i=0；i

经过一些研究，我认为造成热点的原因（CPU时间几乎是移动红细胞的4倍）是逐列遍历时的缓存未命中

我知道在引擎盖下，这个网格将被存储为1d数组，所以当我将红细胞向右移动并逐行移动时，我经常检查连续的值，因此CPU不需要经常将新值加载到缓存中，然而，逐列遍历会导致数组中跳跃的数量只会随着电路板的大小而增加

话虽如此，我还是希望这一部分能发展得更快。以下是目前的代码：

void blueStep(int col)
{
    int i;
    int local[size];
    for (i = 0; i < size; local[i] = globalBoard[i++][col]);

    for (i = 0; i < size; i++)
    {
        if (i < size - 1)
        {
            if (globalBoard[i][col] == 2 && globalBoard[i + 1][col] == 0)
            {
                local[i++] = 0;
                local[i] = 2;
            }
        }
        else
        {
            if (globalBoard[i][col] == 2 && globalBoard[0][col] == 0)
            {
                local[i++] = 0;
                local[0] = 2;
            }
        }
    }
    for (i = 0; i < size; i++)
        globalBoard[i][col] = local[i];

}

void blueStep（int col）
{
int i；
int本地[大小]；
对于（i=0；i

这里，col是要处理的列，大小是网格的大小（它总是正方形）

我在想，我也许可以做一些奇特的指针运算来加速这个过程，我正在读这篇文章：

考虑到这一点，我觉得可能需要更改声明网格的方式，以便利用2d数组指针算法，但我仍然不确定如何使用该方法遍历列

欢迎对此提供任何帮助，或提供快速浏览专栏的其他建议

---

更新：经过更多的研究和讨论，我的假设似乎是错误的。事实证明，由于错误共享，将结果写回全局数组所需的时间几乎是在列上循环所需时间的两倍。话虽如此，我还是有点好奇，想看看是否有更好的方法来进行列遍历。

我认为答案是在平铺中处理网格。您可以在16x16或32x32平铺中快速向下或向右移动平铺。这两个动作实际上是相同的，并且以相同的速度运行：将所有值读入XMM寄存器、处理、写入。您可能需要在此处研究MASKMOVDQU指令。如果我理解问题的本质，您可以将分片重叠一行/一列，如果您按照通常的（扫描）顺序处理它们，这将正常工作。如果没有，您必须单独处理缝合瓷砖

在C代码中没有真正快速的方法来实现这一点。但是，您可以尝试（1）将电路板类型更改为unit8_t，（2）如果..则替换所有。。带有算术的语句，如：value=（mask&value）|（^mask&newvalue），以及（3）在编译器选项中启用最大循环展开和自动矢量化。这将给你一个很好的加速-尤其是避免条件

编辑除了可以放入寄存器的磁贴外，还可以进行第二级的磁贴大小调整，以适合缓存。我认为这种组合将以大约你的内存带宽运行

---

编辑或，使电路板类型为两位：将四个单元打包为一个字节。用算术思想替换if语句非常好：）

为什么不在单个连续块中分配数组？我建议回答一个类似的问题：