Optimization 位移位和UInt64是如何工作的？

在StackOverflow上阅读帖子时(http://stackoverflow.com/questions/1502081/im-trying-to-optimize-this-c-code-using-4-way-loop-unrolling)，现在标记为关闭，我看到一个答案（事实上是评论）说：“两个内部循环可能通过使用UInt64和位移位来提高速度”

以下是帖子中的代码：

char rotate8_descr[] = "rotate8: rotate with 8x8 blocking";

    void rotate8(int dim, pixel *src, pixel *dst) 
    {

    int i, j, ii, jj;

    for(ii = 0; ii < dim; ii += 8)
           for(jj = 0; jj < dim; jj += 8)
                  for (i = ii; i < ii + 8; i++)   
                      for (j = jj; j < jj + 8; j++)
                          dst[RIDX(dim-1-j, i, dim)] = src[RIDX(i, j, dim)];
    }

char rotate8_descr[]=“rotate8：使用8x8块旋转”；
无效旋转8（整数尺寸，像素*src，像素*dst）
{
int i，j，ii，jj；
对于（ii=0；ii

有人能解释一下这在这里是如何应用的吗？我很想知道如何在此代码或类似代码上应用位移位，以及为什么这会有助于提高性能。另外，该代码如何针对缓存使用进行优化？有什么建议吗

假设此代码是双平铺/分块的（大平铺=32，其中平铺为16），并且应用了循环不变代码运动。。它还会从位移位和UInt64中获益吗

如果没有，那么还有什么其他建议可行

---

谢谢

如果像素较小，您可以使用8个Uint64寄存器（它们很大，而且有很多）来累积旋转矩阵的结果

sizeof（pixel）==1和little-endian机器的示例：

for (int y = 0; y < 8; ++y){
 // for every line, we get 8 pixels from row y into src0.
 // they should go in the last colomn of the result
 // so after 8 iterations they'll get exactly in the 8ht byte 
  Uint64 src0 = *(Uint64*)(src + dim * y);
  dst0 = (dst0 << 8) | ( src0 & 0xff); // this was pixel src[y][0]
  dst1 = (dst1 << 8) | ((src0 >> 8) & 0xff); // and pixel src[y][1]
  etc...
};
// now the 8 dst0..dst7 registers contain rows 0..7 of the result. 
// putting them there
*(Uint64*)(dst) = dst0;
*(Uint64*)(dst + dim) = dst1;
etc..

for（int y=0；y<8；++y）{
//对于每一行，我们从y行到src0得到8个像素。
//他们应该排在结果的最后一列
//因此，经过8次迭代后，它们将精确地得到8ht字节
Uint64 src0=*（Uint64*）（src+dim*y）；
dst0=（dst0 8）&0xff）；//和像素src[y][1]
等
};
//现在，8个dst0..dst7寄存器包含结果的第0..7行。
//把它们放在那里
*（Uint64*）（dst）=dst0；
*（Uint64*）（dst+dim）=dst1；
等

好的方面是它更容易展开和重新排序，并且内存访问更少
 RIDX宏看起来像什么？您的意思是：
#定义RIDX（i，j，n）（（i）*（n）+（j））
？类型定义结构{无符号短红色；/*R值/无符号短绿色；/G值/无符号短蓝色；/B值*/}像素；你的意思是，就目前的“像素”大小而言，我不能用这个？当然可以，但小像素的好处可能更大。无论如何，如果您能帮助编译器仅在对齐的地址上以64位块访问内存，那就太好了。让它在未对齐的6字节结构上工作是非常低效的。我有点明白这个概念。但是，你能详细说明一下如何在我的案例中应用这一点吗？第二行之后我有点迷路了。。你能把代码继续写到最后吗，这样我就可以测试并理解整个画面了？我知道这可以通过刷新一次来减少内存读取，但我想确保我正确理解了这个概念，从而吸收它。。你能把它应用到最内部的循环上吗，就像我拥有的“像素”大小一样？当你说：dst0=（dst0