# 第 35 篇性能研究预备记录

状态：2026-09-22 已完成本机实验与复核，正式正文未写、页面未检查、本模块未独立提交、未发布。属于全系列计划第 35 篇的实验准备，不代替文章验收。

## 问题与可证伪假设

同一矩阵和同一求和结果，行连续遍历比列步长遍历快多少？初始假设是较大工作集时连续遍历占优，但这个比值不能直接推广到较小工作集。进一步检验“仅由工作集总字节数决定性能”的解释：保持逻辑矩阵和值不变，将每行物理跨度由 2048 增为 2049。如果列遍历性能明显变化，单靠总字节数的解释便不充分。

控制实验还禁止循环与 SLP 向量化，用于识别自动向量化对比较的影响。这里只比较固定遍历算法，没有用预设硬件数据生成趋势。

## 实际交付与复跑

入口：`PYTHONDONTWRITEBYTECODE=1 python3 examples/computer-architecture/performance/run_all.py`。

- [实验说明与完整边界](../../examples/computer-architecture/performance/README.md)
- [固定内核](../../examples/computer-architecture/performance/src/kernels.c)、[计时与校验](../../examples/computer-architecture/performance/src/bench.c)、[编译采样分析入口](../../examples/computer-architecture/performance/run_all.py)
- [O3 原始 96 样本](../../examples/computer-architecture/performance/outputs/o3-raw.csv)、[禁向量化原始 96 样本](../../examples/computer-architecture/performance/outputs/scalar-raw.csv)、[汇总](../../examples/computer-architecture/performance/outputs/summary.json)
- [环境](../../examples/computer-architecture/performance/outputs/host.txt)、[命令](../../examples/computer-architecture/performance/outputs/commands.txt)、[二进制与源文件 SHA-256](../../examples/computer-architecture/performance/outputs/sha256.txt)
- [已链接 O3 反汇编](../../examples/computer-architecture/performance/outputs/o3-disassembly.txt)、[错误结果拒绝](../../examples/computer-architecture/performance/outputs/negative-check.txt)

实际执行记录为 2026-09-22 09:42 UTC，macOS 27.0 / arm64 / Apple Clang 21.0.0 / Python 3.14.4。程序是直接运行的原生 Mach-O，不经过本系列教学模拟器；CPU 型号和宿主是否虚拟机的 sysctl 请求被拒，不能称“已确认裸机”。证据等级写作可用“本机测量（原生 arm64 二进制，宿主虚拟化状态未确认）”。

## 已通过的验收

固定整数输入、两种正确遍历、逐样本校验和；每工作集 2 个预热对和 12 个交替测量对；8,388,608 元素/样本；192 个正式样本正确。故意让行内核多返回 1，预热门槛退出 3，错误结果未进入性能汇总。

两种编译模式均完成真实运行；`-Wall -Wextra -Werror` 编译通过。实际链接反汇编证明计时循环内保留函数调用和回跳，求和内核保留加载/累加。Python no-excuse 扫描通过；basedpyright 未安装且用户此前拒绝安装，未声称类型检查通过。

O3 对列循环的向量化报告必须结合分支阅读：`stride == 1` 才选 SIMD 路径，而四组输入全部选择标量步长加载。O3 行循环是 SIMD，禁向量化两内核均是标量。文章不得只引用 remark 宣称“两边都向量化，已排除 SIMD”。

## 可写入正文的结论

本次 2048/2048 的 O3 行/列中位耗时为 0.0424/1.5705 ns/元素，列/行配对比中位为 35.6196；同输入增加一列 padding 后为 0.0411/0.3517，比值 8.5251。禁向量化下，padding 前后列中位分别为 1.6468 与 0.4033，比值分别为 6.1586 与 1.5085。小矩阵 64/64 的禁向量化配对比只有 1.2175。

这些结果是“固定大矩阵快多少”的具体样本，不是一般 CPU 性能常数。padding 同时改变行跨度和地址映射，不能从现有数据拆出 cache/TLB/预取器各自贡献。它对“只有字节总量重要”的解释构成反例；没有形成“列遍历总比行遍历快”的反例，文章不可混淆二者。

2048/2048 有显著范围与顺序差异，未删除样本。完整 min/median/max、先/后位置中位值见汇总。只报告描述性统计，不用 12 次重复冒充独立跨机器实验或总体置信区间。

## 必须保留的缺口

未采硬件计数器、能耗、频率与温度，未绑定核心，未排除其他进程干扰；未确认裸机或 CPU/cache 型号。没有 DRAM 流量证据，不能从逻辑输入字节/时间推出真实 DRAM 带宽。未做跨 CPU、不同编译器或不同输入分布的复验。

布局以固定顺序依次运行；O3 和 scalar 也非跨模式交替。交替仅在每个工作集/模式中的 rows 与 columns 间进行。预热是明确执行的两对遍历，不是已验证的稳态保证。本批没有全站构建或页面检查。

## 引用核查

2026-09-22 实际读取 [Clang 优化报告文档](https://clang.llvm.org/docs/UsersManual.html#options-to-emit-optimization-reports) 与 [LLVM Loop/SLP Vectorizers](https://llvm.org/docs/Vectorizers.html)，用于解释编译选项和诊断范围。在线文档为开发版本；本机工具版本独立记录。N1570 原站访问超时，不把它列为已核查标准依据。硬件速度结论只来自本次保存的原始记录。

## 后续写作接口

正文沿用问题→固定算法→计时边界→编译路径→原始范围→padding 反例→失效条件。两道练习可分别要求读者识别“remark 有 SIMD 即当前输入用 SIMD”的错误，以及解释为何 padding 实验无法单独证明缓存组冲突。最终正文落盘前仍需 blog-editor/tech-writer 与 anti-ai-tone→anti-persona-fabrication 扫描；当前只交实验材料。