向量体系结构(5):步幅&&集中一分散-   在C语言中，矩阵的行存储是连续的，但列之间存在较大的步幅。以矩阵D为例，如果要连续访问其列中的元素（内层循环的目的），每次迭代需要跳过整个行的宽度。Fortran语言通常以列主序存储数组，意味着矩阵的列元素在内存中是连续的，意味着访问其连续行元素时需要跨过较多内存空间。    编译器在向量化代码时，需要识别并优化这些步幅问题，以便有效地利用向量处理器的并行能力。如果不对循环进行重新排序或调整访问模式，处理器可能无法有效加载连续的向量元素到寄存器中进行并行运算，这会影响性能。    编译器可以通过循环变换（如循环展开、循环交换等）来改善内存访问模式，以减小步幅或使其适应向量寄存器的宽度。例如，通过改变循环顺序，使内存访问变得更加连续，从而减少跨步读取的次数。 向量处理器处理非连续数据

向量处理器提供了特殊指令来   处理非连续内存访问，如带有步幅参数的加载（Load）和存储（Store）指令，允许一次性读取或写入间隔固定字节数的多个数据元素。这有助于编译器即使在面对较大步幅时，也能生成有效的向量代码。

一旦数据载入向量寄存器，无论原始数据在内存中的分布如何（连续或非连续），处理器都视之为逻辑上相邻的元素，从而允许高效地执行向量运算。 

通过具备步幅功能的向量加载（LWS, Load Vector WithStride）和存储（SWS, Store Vector WithStride）指令，向量处理器能够直接处理非连续内存位置的数据。这些指令允许指定加载或存储数据时的间隔，即步幅，从而适应如矩阵运算中跨列或跨行访问的需要。