一、資料對齊：為什麼對齊能更快？
CPU 記憶體存取粒度
CPU 以固定寬度（如 8 位元組）讀取記憶體。結構體大小若為存取粒度倍數，單次讀取即可取得完整資料；否則需兩次讀取並拼湊，效能下降。
實測對比
#pragma pack(1)
struct Unaligned { char a,b,c; uint32_t d; }; // sizeof=7
#pragma pack()
struct Aligned { char a,b,c; uint32_t d; }; // sizeof=8 (編譯器自動填充)
遍歷 10 萬元素陣列 10 萬次：
Unaligned：12.76 秒Aligned：10.50 秒- 對齊版快 17%
GCC 預設對齊規則
- 每個成員起始位址為自身大小倍數。
- 結構體總大小為最大成員大小倍數。
- 範例：
char + uint64_t + uint32_t + uint32_t → 1+7填充+8+4+4=24 位元組。
工程權衡
- 記憶體充足：啟用預設對齊，追求速度。
- 記憶體受限（嵌入式）：
#pragma pack(1) 緊湊佈局，接受速度折損。
- 若資料溢出至磁碟/SSD，存取延遲為 ns→μs/ms 級，對齊意義消失，優先省空間。
二、迴圈展開：釋放 CPU 流水線平行度
基準版：單純累加
float sum = 0;
for (int i=0; i
版本二：展開步長 4，但有資料相依
for (i=0; i
版本三：多累加器打破相依
float sum=0, s1=0, s2=0;
for (i=0; i提速 2 倍
核心原理
- 現代 CPU 超標量流水線可同時發射多條獨立指令。
- 引入多個暫存變數（
s1, s2）消除循環載入相依，允許指令級平行（ILP）。
- 過度展開會增加暫存器壓力導致溢出（Spill），反而降速。
總結檢查清單
- 熱點結構體啟用預設對齊，或手動排序成員（大型優先）減少填充。
- 關鍵迴圈嘗試展開 + 多累加器，測量實際效能再決定保留。
- 嵌入式/記憶體受限環境以空間換時間，謹慎使用對齊與展開。
