缓存使用,空间局部性和延迟

我正在学习关于空间局部性的缓存操作. (到目前为止,我的参考文献是Lin和Snyder的并行编程原理,this tutorial,当然还有维基百科.)

以下示例使用Intel Core2 Duo cpu(L7500)在Windows 7 Professional上运行gcc编译.

#include <stdio.h>
#include <stdlib.h>
#include <time.h>

int main()
{
    int *array;
    int length;
    int count;
    int range;
    int i;

    // generate an array of a million Integers between 0 and 99
    length = 1000000;
    range = 100;
    array = calloc(length,sizeof(int));
    srand(time(NULL));
    for(i = 0; i < length; i++)
    {
        arraY[i] = rand() % range;
        // printf("%d\n",arraY[i]);
    }

    // count the number of occurrences of 3 in the array
    count=0;
    for(i=0; i<length; i++)
    {
        if(arraY[i]==3)
        {
            count++;
        }
    }
    printf("count = %6d\n",count);

    return 0;
}

现在在例程的后半部分,将读取整个整数数组,因此每个空间局部性cpu应该预先将它们加载到缓存中.但是,在循环期间的任何时候,有多少数组可以/可以/应该加载到缓存中？一次一个缓存行(64字节/每个int 4个字节= 16个整数),它的大块,或整个阵列一举？

另外,根据我的理解,将数据从RAM加载到缓存(或根据教科书,从非本地存储器到本地存储器)所涉及的延迟可能比实际运行例程所需的时间更加重要.真正？

现在说我们将此代码移动到多处理器/多核机器,并将代码的计数部分更改为在4,8,16等并行线程(使用pthreads)中运行,计算数组的单独部分,然后添加私人在最后聚集在一起.这会导致多次单独出现RAM到缓存延迟,使并行版本比串行版本慢吗？