Optimization 在OpenCL中比较uchar阵列的最快方法

我需要在opencl程序中进行许多比较。现在我把它做成这样

int memcmp(__global unsigned char* a,__global unsigned char* b,__global int size){
    for (int i = 0; i<size;i++){
         if(a[i] != b[i])return 0;
    }
    return 1;
}

int memcmp（uuu全局无符号字符*a、uu全局无符号字符*b、u全局整数大小）{
对于（int i=0；i我猜内核会为每个线程计算“大小”元素。我认为，如果您的访问更加合并，您的代码可以得到改进。由于当前GPU的L1缓存，这不是一个大问题，但可能会带来明显的性能损失。例如，您有4个线程（工作项），size=128，因此缓冲区有512个uchar。在您的例子中，线程#0访问a[0]和b[0]，但它带来缓存a[0]…a[63]，而b也是如此。线程#1属于同一个扭曲（也称为波前）访问a[128]和b[128]，因此它带来缓存a[128]…a[191]，等等。在线程#3之后，所有缓冲区都在缓存中。考虑到此域的较小大小，这不是一个问题

但是，如果每个线程连续访问每个元素，则在执行4个线程时，始终只需要一条“缓存线”（访问合并）。考虑到每个块有更多线程时，性能会更好。请尝试一下，并告诉我您的结论。谢谢

见：第3.1.2.1节
这有点旧，但他们的概念并不太旧

PS：顺便说一句，在此之后，我将尝试使用您评论的uchar4和“循环展开”。
只是另一个减少，所有的总和不应超过0