在上一篇博客 C++性能优化系列——矩阵转置(二)循环分块优化缓存访问 中通过循环分块方法，分析并优化了缓存的访问，使性能得到提升。同时通过VTune抓包分析了代码执行情况。看起来Cache命中情况很好。可实际缓存真的没有优化空间了吗？也不见得。 本篇根据《深入理解计算机系统》中缓存篇介绍的映射规则，在缓存映射方面做进一步优化。以分块优化版本为Base，通过对pSource数据进行内存填充处理，使pSource的访问内存映射不集中在一个缓存组中，避免缓存抖动问题。 优化后执行情况： 1024 * 1024 二维矩阵转置耗时 0.367188 ms

《深入理解计算机系统》这本书中已经对缓存的映射关系说的非常清楚了，有兴趣同学可以详细阅读书中具体章节。（这里感触比较深，书中几页纸就把问题说的非常清楚了，极其不建议把时间耗费在阅读网上各种几千几万阅读量的博客上，博客质量真是无力吐槽）。 在此主要说明测试环境内存与L1 D-Cache的映射。 L1 D-Cache参数：32k，8路组映射，缓存行（Cache Line）64Bytes。L1 D-Cache中一共存在（32k / (8 * 64Byte）= 64 组。 因此，当以一定间隔访问内存时，理论上间隔 为（64组 * 64 Byte = 4k ）的内存跨度时，对应的内存会映射到同一个缓存组中。当访问内存时，超过8个分散的数据都映射到同一个组中，按照缓存的局部性原则，之前加载进缓存的数据会被新的数据替换。即缓存抖动问题。 Base版本的实现是以 128 * 128 分块，在内层访问块内数据。pSource的行维度为1024，因此即便是以128进行分块，内存访问的总跨度也达到了128K，按照之前分析的规则，在一个块内访问一列数据时，每4个元素会映射到同一个组中，即有32个元素的内存会映射到相同的缓存组，因此会发生缓存抖动。 解决缓存抖动问题常用的方法是内存填充，即增加pSource行的维度，这样访问逻辑上同一列的元素时，实际内存位置不会映射在相同的缓存组。对于最优的内存填充方案，目前本人还没来得及查阅相关文献。代码中是通过取若干组数据实验出的最优填充值。

矩阵尺寸相关宏定义，其中增加了内存填充后的pSource的行的维度NREALCOL

代码实现如下：