为何近乎相同的Numba并行数组翻转函数性能差异显著？

核心原因是内存访问的局部性（缓存友好性），结合NumPy数组的默认存储规则可具体解释：

• NumPy数组的存储特性：默认采用**行优先（C顺序）**存储，即数组元素按行连续排列在内存中。CPU缓存对连续内存访问的处理效率远高于随机跳转式的访问。
• 不同映射场景的访问模式差异：
  • 处理左下三角（行索引≥列索引）的函数（如triangle_flip_LL2UR）：遍历过程中是按行连续访问元素（固定行i，列j从0到i），完全匹配C顺序的内存布局，缓存命中率极高，因此执行耗时仅约200微秒。
  • 处理右上三角（行索引≤列索引）的函数（如triangle_flip_UR2LL）：遍历过程中是按列跳转访问（固定行i，列j从i到n-1），每访问一个元素都要跳过一整行的内存空间，属于非连续内存访问，缓存频繁失效，需要反复从主存加载数据，因此执行耗时约500微秒。
• 转置导致性能反转的逻辑：
  数组转置sqr.T会将逻辑上的列转换为行的存储顺序。此时triangle_flip_UR2LL(arr)等价于转置后数组的左下三角映射，访问模式变为连续行访问，缓存友好性提升，性能变快；而triangle_flip_LL2UR(sqr.T)则对应转置后数组的右上三角映射，访问模式变为非连续，性能下降，最终呈现性能趋势反转的现象。

如果将数组改为列优先（Fortran顺序）存储，性能差异会完全颠倒，这也进一步验证了内存访问局部性是造成性能差别的核心因素。

内容的提问来源于stack exchange，提问作者Ξένη Γήινος