主要观点：

• 作者受之前受欢迎的文章启发，在 HighLoad 上接受新挑战“Counting uint8s”，目前在排行榜居第 13 位，约落后第 1 名 7%，且已学到一些有趣的东西。
• 介绍解决该挑战的完整方案，包括相比朴素顺序访问能提高约 30%传输速率的令人惊讶的内存读取模式。
• 详细阐述内核的工作原理，通过几个指令对输入的 32 字节块进行处理和累加计数。
• 重点介绍内存交错访问模式（交错 8 页）及预取 4 个缓存行 ahead 的优化方法，实验表明能显著提高性能。

关键信息：

• 输入为 250MB 全字节均匀采样的文件，找出值为 127 的字节数量。
• 内核仅三指令长，通过vmovntdqa加载块，vpcmpeqb比较字节与 127，vpsubb进行减法累加。
• 为防止窄累加器溢出，用vpsadbw和vpaddq进行累加操作。
• 内存交错访问模式可提高性能约 15%，预取 4 个缓存行 ahead 能在更内存受限情况下获得最多 30%增益。

重要细节：

• 程序针对 Intel Xeon E3-1271 v3 @ 3.60GHz、512MB RAM、Ubuntu 20.04 系统优化，仅使用 AVX2 ，未使用 AVX512。
• 完整源代码包含多个函数和循环，通过内存映射读取输入文件，进行字节计数操作。
• 给出不同预取步长的运行时实验图，展示预取 4 个缓存行 ahead 时性能最佳。