Multithreading 如何减少图遍历算法（如DFS和BFS）上的缓存未命中？

我想知道如何修改基本的BFS和DFS算法，以便在顺序或并行实现它们时产生更少的缓存未命中

我了解到，顶点（或）节点的排序可以在一定程度上帮助减少缓存未命中率，但我无法确切理解像RCM（Reverse Cutchill–McKee）这样的排序算法如何帮助减少基本Intel体系结构（例如具有专用L1、L2和共享L3的多核）上的缓存未命中率

---

除了对顶点排序之外，还有其他方法可以减少缓存未命中吗？

我的观点是，重新排序可以帮助，但不能保证做到这一点。让我们以下面的结构为例，其中每一行上都有节点的邻居

Node 1: 4, 5, 37, 12, 11, 2, 3
Node 2: 67, 11, 33, 45
Node 3:
......
Node N: 65, 56, 99, 44, 32, 1, 3

例如，当您执行DFS时，您位于节点1。当您找到节点37时，您需要跳转到节点37，但是节点2在内存中可能更近，因此被缓存的可能性更高。因此，对顶点进行排序可以减少内存中的跳转步骤，从而减少缓存未命中

然而，我认为排序可以做得更聪明一些。例如，当您为节点（比如100）排序顶点时，节点1、2、3距离较远，因此您可能有兴趣将距离节点100较近的相邻节点放在第一位。因此基本上，根据与目标节点的距离对节点进行排序

这些技术可能有助于非常大的图，但在很大程度上取决于图的拓扑结构

为了提出一种图形结构，我想这样做：

我将使用2 x 1D阵列：

• 一个用于存储每个节点的所有邻居
• 每个节点存储一个索引，索引位于其邻居开始的第一个数组中

示例：

Neighbors: 1 2 3 4 2 4 5 6 7 9 0
Neighbor Indexes: 0 2 5 7 9

The neighbors of Node 0 will start from Neighbors[Neighbor Indexes[0]] until Neighbors[Neighbor Indexes[1]].
The neighbors of Node 1 will start from Neighbors[Neighbor Indexes[1]] until Neighbors[Neighbor Indexes[2]].

---

等等。

谢谢@VAndrei的回复。我知道订购会有什么帮助。1.我有一个疑问。假设我使用了一个数组a[100]，node0将在[0]中，node1将在[1]中，依此类推。当我需要获取节点50的属性时，我将转到[50]。但现在由于订购，情况不再如此。我需要想办法弄清楚我的地点在[]的什么地方。我该怎么做（举个例子）？它在搜索节点时不会添加一个overhead！2.除了订购之外，还有其他优化方法吗？与使用最佳数据结构类似，如何存储每个节点（结构）、邻接列表等的属性@Shyam我认为您不需要对节点重新排序，但对于每个节点，请根据与目标节点的距离对顶点重新排序。请参阅我更新的文章，了解结构建议。“对于每个节点，根据与目标节点的距离重新排列顶点”-我很抱歉。我真的不明白你的意思。是否要根据与目标节点的距离对每个节点的邻接列表重新排序？在本例中，“邻居”是每个节点的邻接列表？请你再解释一下，对于节点[]和边[]的给定图，“邻居”和“邻居索引”代表什么。是的，邻居是每个节点的邻接列表。邻居索引[K]是节点K的邻居列表开始的邻居数组中的索引。排序时，需要对每个节点的邻接列表进行排序。因此，当您访问节点1000时，您希望首先访问相邻节点999、998，因为在保持图形的结构中，它们更接近，因此被缓存。如果您使用arraylist数组（基本上是指针数组），那么您的结构将在内存中被分段，从而降低缓存效率。我推荐我的解决方案，因为这样，图形结构在内存中是一个连续的块，缓存将更加有效，