矩阵分块转置降低 cache miss分析 （Cache Lab PartB）

Lab中给出的cache规格为： s=5, E=1, b=5
矩阵A和B在内存中连续存放。
Lab要求分别对32 * 32 ， 64 * 64， 61 * 67的矩阵做转置优化，用到的都是将矩阵分块分别转置的方法。相较于普通转置，为什么分块能够优化cache miss次数？

分块是通过什么来实现优化的 — > 通过减少B一次访问的行数。
最根本的原因在于： Cache不能够一次装满整个矩阵，以最小的矩阵32 * 32而言，是4个cache的大小。如果矩阵大小为正好能够装满cache的16 * 16或更小，除了多定义局部变量（Lab中有限制，最多定义12个），分块也起不到优化的效果。

（1）对于s=5, E=1, b=5 Cache（刚好装16*16矩阵）和 16 * 16矩阵常规转置miss情况（蓝色）：

miss总数 A + B应该为72次
对角线冲突的原因是A和B对角线上的元素会映射到同一个cache行中，会多出两次miss（从内存中取B，再取A）