介绍
这是我上一篇文章“数组结构”的后续文章，该文章是面向数据设计实现系列的一部分。
SIMD – 单指令多数据
一种并行处理技术，同时对多个数据元素执行单个指令，提高计算速度和效率。
为什么选择SIMD？它使我们能够实现数据级并行，而C和Rust中讨论的多线程则提供线程级并行。
与线程级并行相比，数据级并行被认为是更低级的。现代术语也称为矢量化，尽管两者并不完全相同，但它们具有相似的主要特征：对多个数据元素并行执行操作。
语言：C – Zig – Rust
与往常一样，实施将使用我最喜欢的 3 种语言来完成。在这篇文章中，我想做一些不同的事情，我将展示 C 和 Zig 之间的 Neovim 差异，希望能够向您展示这两种语言有多么相似 ~ 如果您了解 C，那么您已经了解 Zig！
==[更新]：您需要“在新选项卡中打开图像”，然后双击图像进行放大==
为了方便复制，我将在 Pastebin 存储库中提供完整的代码。
粒子模拟
第 1 部分 – 常量、结构和分配器
请注意，在 ParticleData 结构中，我正在实现数组结构 (SoA)，而不是上面简介中提到的结构数组 (AoS)。
第 2 部分 – 初始化程序和可用内存
请注意 Zig 中的 freeParticleData 函数是多么简洁，特别是因为它使用 std.meta.fields，它可以自动在相关结构（ParticleData）中应用该过程。
第 3 部分 – 使用 SIMD 更新粒子
注意我在 Zig 版本中添加了两个辅助函数：loadVector 和 storeVector。这些都是为了减少冗长。冗长是我不喜欢 Zig 的一件事，但正如你所看到的，我们可以通过辅助函数“破解它”。
第 4 部分 – 主要功能
这里没有什么特别有趣的，打印语句是为了确保编译器不会优化所有进程。
矩阵乘法
第 1 部分 – 使用 SIMD 的常量、初始化器、矩阵乘法
第 2 部分 – 主函数、标量函数片段
基准
我们已经到达基准部分，准备好接受一些数字吧！
==[更新]：正如一位读者在我的 X/twitter 帐户中提到的，请注意，在 Rust 矩阵乘法中，列以秒为单位，而其他列以毫秒为单位==
结论
从基准数据中可以看出，无论我们使用哪种编程语言，在各种程序中应用 SIMD 的性能都显着优于标量处理。
Pastebin 仓库
- 粒子模拟：
- 矩阵乘法：
我如何编译不同的程序
- C:
gcc-14 -o c_particle_sim_simd -O3 c_particle_sim_simd.c -march=native -std=c23 - Zig：
zig build-exe -O ReleaseFast zig_particle_sim_simd.zig - Rust：
cargo rustc --release --bin rust_particle_sim_simd -- -C opt-level=3 -C target-cpu=znver2 -C target-feature=+avx2
原文： https://hwisnu.bearblog.dev/simd-vs-scalar-unlocking-the-power-of-parallel-processing/