キャッシュフレンドリーなループよりも速く2d-arrayでキャッシュされないループをキャッシュします

Question

MSVC++でコンパイルすると、バージョン1がバージョン2より速いのはなぜですか？

バージョン1：

for (int i = 0; i < N; ++i) 
    for (int j = 0; j < N; ++j) 
     for (int k = 0; k < N; ++k) 
      res1[i][j] += mat1[i][k] * mat2[k][j]; 

バージョン2：

​​

（N = 1000; RES1、MAT1、MAT2ダブル[N]である[N]アレイ）

[j] [k]がキャッシュフレンドリである（mat2 [j] [k]をRAMからcacheにロードするときにmat2 [j] [k]にループするため、 +1]、mat2 [j] [k + 2]、...も同じcachline上にあるのでロードされます））？

（「#pragma optimize（ ""、off）」を使用してコンパイラの最適化をオフにした場合）、バージョン2はバージョン1より高速ですが、コードはかなり遅く（明らかに）実行されます。

EDIT：

パフォーマンス：（時間WINDOWS.H ==> QueryPerformanceCounterの使用して測定）コンパイラの最適化で

を：バージョン1：〜493ミリ。 Version2：954 ms コンパイラ最適化なし：Version1：〜3868 ms;バージョン2：〜の最適化を使用して2266ミリ秒

Answer 1

は、最初のバージョンのため、コンパイラは明らかに内側の2つのループを並べ替えることができます。

for (int i = 0; i < N; ++i) 
    for (int k = 0; k < N; ++k) 
     for (int j = 0; j < N; ++j) 
      res1[i][j] += mat1[i][k] * mat2[k][j];  

これは、キャッシュの観点から第二に似た最初のバージョンを作成します意識。

最初のバージョンが2倍速い理由は、上記の最適化を行った後、内側のループで変更されないため、おそらく2番目の語句のキャッシュになります。mat1[i][k]