问题描述
我正在试验缓存阻塞。为此，我实现了 2 个基于卷积的平滑算法。我使用的高斯内核如下所示：
第一个算法只是简单的 double for 循环，从左到右，从上到下循环，如下所示。
图片来源：(https://people.engr.ncsu.edu/efg/521/f02/common/lectures/notes/lec9.html)
在第二个算法中，我尝试通过将循环分成块来玩缓存阻塞，这变成了如下所示。我使用了 512x512 的块大小。
图片来源：(https://people.engr.ncsu.edu/efg/521/f02/common/lectures/notes/lec9.html)
我在 raspBerry pi 3B+ 上运行代码，我相信它有一个 Cortex-A53，L1 为 32KB，L2 为 256KB。我用不同的图像尺寸（2048x1536、6000x4000、12000x8000、16000x12000。8位灰度图像）运行了两种算法。但在不同的图像尺寸中，我发现运行时间非常相似。
问题是第一个算法不应该遇到第二个不应该的访问延迟，尤其是在使用大尺寸图像（如 12000x8000）时。根据本link中缓存阻塞的描述，当使用第一种算法处理图像行末尾的数据时，行首的数据应该已经从L1缓存中驱逐了。以12000x8000大小的图片为例，由于我们使用的是5x5内核，所以需要5行数据，即12000x5=60KB，已经比32KB的L1大小大了。当我们开始处理新行的数据时，仍然需要 4 行以前的数据，但它们可能在 L1 中消失了，因此需要重新获取。但是对于第二种算法它不应该有这个问题，因为块大小很小。谁能告诉我我错过了什么？
我还使用 oprofile 和以下数据分析了算法：
算法 1
| 事件 | 计数 |
|---|---|
| L1D_CACHE_REFILL | 13,933,254 |
| PREFETCH_LINEFILL | 13,281,559 |
算法2
| 事件 | 计数 |
|---|---|
| L1D_CACHE_REFILL | 9,456,369 |
| PREFETCH_LINEFILL | 8,725,250 |
所以看起来第一个算法与第二个算法相比确实有更多的缓存未命中，这反映在 L1D_CACHE_REFILL 计数上。但它也有更高的数据预取率，这可能是由于循环的简单行为。那么缓存阻塞的整个故事是不是没有考虑数据预取？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）