核心是提升缓存命中率，通过优化数据布局与访问模式实现。1. 使用连续内存容器如std::vector而非链表；2. 调整结构体成员顺序减少padding，提高紧凑性；3. 采用SoA（数组的结构体）替代AoS（结构体数组），按需加载字段；4. 遍历多维数组时遵循行优先顺序，匹配内存布局；5. 减少指针跳转，优先值存储而非指针容器，避免频繁解引用；6. 对树/图使用arena allocation集中分配内存。关键在于让热点数据连续存放、顺序访问，最大化利用缓存局部性。
写 Cache-Friendly 的 C++ 代码，核心是让程序访问内存时尽可能利用 CPU 缓存的局部性原理。缓存命中率高，意味着数据大多能从高速缓存中读取，而不是频繁访问慢速主存。这在处理大量数据或高频调用场景下对性能影响巨大。优化的关键在于数据布局和访问模式的设计。
利用空间局部性：紧凑且连续的数据结构
CPU 缓存以缓存行（通常 64 字节）为单位加载数据。当访问某个内存地址时，其附近的数据也会被一同载入。因此，把经常一起使用的数据放得近一些，能显著提升命中率。
建议：- 优先使用数组或
std::vector而不是链表（如std::list），因为前者内存连续，遍历时缓存友好。 - 避免结构体中存在大量 padding（填充字节）。可通过调整成员顺序，把相同类型的字段集中，减少对齐浪费。
- 例如，把多个
int放在一起，比穿插char和double更紧凑。
结构体拆分：SoA 优于 AoS
在处理大量对象时，是否需要同时访问所有字段？如果不是，可以考虑结构体数组（AoS）转为数组的结构体（SoA）。
说明：- AoS 模式：
struct Particle { float x, y, z; }; std::vector—— 所有字段混在一起。particles; - SoA 模式：
struct Particles { std::vector—— 各字段独立存储。x, y, z; }; - 当你只计算 X 方向速度时，SoA 只需遍历
x数组，缓存利用率更高，不会加载无用的y和z。
遍历顺序匹配内存布局
多维数据存储在内存中是线性的。C/C++ 使用行优先（row-major）顺序，即先行后列。若遍历顺序不匹配，会频繁跳跃内存，导致缓存失效。
立即学习“C++免费学习笔记（深入）”；
例子：- 二维数组
int grid[1000][1000];在内存中按grid[0][0],grid[0][1], ...,grid[1][0]排列。 - 应使用外层循环遍历行，内层遍历列：
for (int i = 0; i 。 - 反之，先列后行会导致每次访问都跨一大段内存，每一行都不在缓存中。
减少指针跳转与间接访问
频繁解引用指针（尤其是分散在堆上的对象）会破坏缓存局部性。每次跳转可能触发一次缓存未命中。
优化方式：- 用对象值代替指针容器，如
std::vector优于std::vector。 - 避免过度使用智能指针嵌套，除非生命周期管理确实需要。
- 对于树或图结构，可考虑使用“arena allocation”（区域分配），将节点集中分配在一块内存中，提升遍历性能。
基本上就这些。关键不是追求极致，而是理解数据如何流动、如何被访问。通过合理布局，让热点数据聚集、访问连续，就能写出真正高效的 C++ 代码。不复杂但容易忽略。
