直接分析代码，两个测试函数都是双重循环，总循环次数一致。

内部循环64次，8bit的fp紧密排布也会占满cache line，key也是，所以读进来的cache line都没有被浪费。

外循环里，由于key数组与fp数组交织排布，即两个测试访问的内存范围其实是一样的大的。

总的来看区别只是64bit的key涉及到的数据空间大了8倍而已。

那么会有cache miss嘛？会，但很少。

CPU有prefetch，并不是每次读数据才去缓存、内存里加载。循环的数据访问规律明显，CPU很快就能意识到访问数据的存放位置并提前加载。

当然由于key需要访问的内存量更大，如果prefetch或者内存读取速度跟不上计算速度，那key是更容易慢——不过这不是cache miss而是撞内存墙。而且现代CPU还没这么不堪，不至于连个循环加法都撑不住。

（补充一下，这里指的是未向量化的单核循环加法，现在的CPU做这种运算还不至于撞内存墙）

那么为什么64bit的运算反而更快了？

按照前面说的，内存访问上两者两者应该都没遇上瓶颈，那就该是运算上有区别咯！

在这里先不考虑SIMD的优化（毕竟SSE/AVX里64bit运算吞吐量就是8bit的8倍，不应该出现64bit运算更快的情况）。

其实其他答主已经提到了反汇编的结果：

64bit运算的反汇编更简洁、指令更少。

这时候可以查阅x86的指令集了，比如这里

一个标量整型加法指令，add，具有两个操作数a和b，操作是a=a+b。其中a可以是寄存器或内存地址，b可以是立即数/寄存器/内存地址。

但仔细看就能发现，a和b的位数都是一样的！（其实64位下往64位的RAX加个32位立即数是可以的，这里方便起见就只考虑32位了）

也就是说往一个uint32里加一个uint8，是不能由一条指令完成的！如果这个uint8是立即数，那编译时可以扩充到imm32，但如果这个uint8不是立即数，就需要其他办法做一个转化了，链接回答里出现的movzx就是干这个的，从内存读个uint8到32bit的寄存器。

代码性能本来就不止和cache有关，跟数据结构也是有很大关系的，而且uint8也不见得就比uint32来的快……