学习路径
本指南提供按从入门到进阶排序的 HPC 优化学习顺序。
内存层次结构概述
理解内存层次结构是性能优化的基础：
mermaid
graph TB
subgraph "CPU 内存层次结构"
REG[CPU寄存器<br/>~1周期<br/>~512字节]
L1[L1缓存<br/>~4周期<br/>32-64 KB]
L2[L2缓存<br/>~12周期<br/>256-512 KB]
L3[L3缓存<br/>~40周期<br/>8-32 MB]
RAM[主内存<br/>~200周期<br/>GB级]
end
REG --> L1 --> L2 --> L3 --> RAM
style REG fill:#6bcb77
style L1 fill:#4d96ff
style L2 fill:#ffd93d
style L3 fill:#ff9f43
style RAM fill:#ff6b6b关键洞察： 每一级比前一级慢约10倍。改善缓存利用率的优化能带来最大的收益。
学习流程图
mermaid
flowchart LR
A[第1周<br/>构建系统] --> B[第2周<br/>内存基础]
B --> C[第3周<br/>现代C++]
C --> D[第4周<br/>SIMD]
D --> E[第5周<br/>并发]
E --> F[第6周<br/>性能分析]
style A fill:#e3f2fd
style B fill:#fff3e0
style C fill:#e8f5e9
style D fill:#fce4ec
style E fill:#f3e5f5
style F fill:#e0f7fa先决条件
开始前建议具备：
- 基础 C++ 知识（类、模板、STL）
- 命令行工具使用经验
- 计算机体系结构基础概念
详见 先决条件。
阶段 1：构建系统基础
1.1 现代 CMake (examples/01-cmake-modern)
从这里开始了解项目结构与构建系统。
主题：
- 为什么目标驱动的 CMake 优于目录驱动
- 使用
target_include_directories而非include_directories - 使用 FetchContent 管理依赖
- 通过 CMake 预设实现可复现构建
练习：
- 使用不同预设构建项目
- 使用模板新增一个示例模块
- 对比反模式与最佳实践的 CMakeLists.txt
阶段 2：内存基础
2.1 数据布局 - AOS vs SOA (examples/02-memory-cache)
理解数据布局是缓存优化的基础。
关键概念：
- 缓存行与空间局部性
- 结构体数组 vs 数组结构体
- 何时选用不同布局
基准：
bash
./build/release/examples/02-memory-cache/bench/aos_soa_bench2.2 内存对齐
理解对齐如何影响 SIMD 性能。
关键概念：
alignas说明符- 对齐内存分配
- SIMD 对齐要求
2.3 伪共享
多线程性能的关键问题。
关键概念：
- 缓存行竞争
- 使用
alignas(64)进行缓存行填充 - 使用 perf 检测伪共享
2.4 预取
高级内存优化技术。
关键概念：
__builtin_prefetch用法- 预取距离调优
- 预取何时有用（何时无用）
阶段 3：现代 C++ 性能
3.1 编译期计算 (examples/03-modern-cpp)
将计算从运行期移至编译期。
关键概念：
constexpr函数与变量consteval保证编译期求值- 模板元编程基础
3.2 移动语义
避免不必要的拷贝。
关键概念：
- 右值引用
- 移动构造与赋值
std::move用法
3.3 Vector 容量管理
优化容器使用方式。
关键概念：
reserve()与自动扩容- 分配次数统计
- 容量与大小的区别
3.4 C++20 Ranges
现代迭代模式。
关键概念：
- Range 适配器与视图
- 惰性求值
- 与裸循环的性能对比
阶段 4：SIMD 向量化
4.1 自动向量化 (examples/04-simd-vectorization)
让编译器完成向量化。
关键概念：
- 适合向量化的代码模式
- 编译器向量化报告
- 常见向量化阻碍
编译器参数：
bash
# GCC 向量化报告
-fopt-info-vec-optimized
# Clang 向量化报告
-Rpass=loop-vectorize仓库内推荐工作流：
bash
cmake --preset=release -DHPC_VECTORIZE_REPORT=ON
cmake --build build/release --target auto_vectorizeHPC_VECTORIZE_REPORT 会为示例目标开启同一套编译器向量化诊断，同时不新增 默认 preset。若需要在 SIMD 修改后继续做 sanitizer 验证，请参考 验证与 Sanitizer。
4.2 SIMD 内在函数
手动向量化以获得最大控制力。
关键概念：
- SSE、AVX2、AVX-512 指令集
- 内在函数
- SIMD 数据对齐
4.3 SIMD 封装
可读的 SIMD 代码。
关键概念：
- 封装内在函数
- 标量回退实现
- 类型安全的 SIMD 操作
- 面向混合 CPU 环境的运行时分发
阶段 5：并发编程
5.1 原子操作 (examples/05-concurrency)
无锁编程的基础。
关键概念：
std::atomic基础- 内存序（relaxed、acquire、release、seq_cst）
- 不同内存序的使用场景
5.2 无锁队列
实用的无锁数据结构。
关键概念：
- SPSC 队列设计
- 实践中的内存序
- 正确性验证
5.3 OpenMP
简单并行化。
关键概念：
#pragma omp parallel for- 归约
- 线程扩展性
阶段 6：性能分析与诊断
6.1 基准测试
学会正确测量。
主题：
- Google Benchmark 用法
DoNotOptimize与ClobberMemory- 参数化基准
6.2 性能分析
定位性能瓶颈。
工具：
perf进行 CPU 采样- FlameGraph 可视化
- 缓存未命中分析
详见 性能分析指南。
推荐学习计划
| 周数 | 主题 |
|---|---|
| 1 | 阶段 1 + 阶段 2.1-2.2 |
| 2 | 阶段 2.3-2.4 + 阶段 3.1-3.2 |
| 3 | 阶段 3.3-3.4 + 阶段 4.1 |
| 4 | 阶段 4.2-4.3 |
| 5 | 阶段 5.1-5.2 |
| 6 | 阶段 5.3 + 阶段 6 |
下一步
完成学习路径后：
- 分析你自己的代码以定位瓶颈
- 应用相关优化
- 度量改进效果
- 为本项目贡献新的示例！