数学运算，前所未有地快
在最新的Evergine 2022.9.28版本中，我们发布了Evergine.Mathematics库的新版本，该版本使用了由CPU制造商设计的硬件加速指令集。
这得益于为Net6创建的新硬件内置API，它允许在x86、x64和ARM64目标架构上使用单指令多数据流（SIMD）指令（如果硬件支持）。通过这个新API，我们可以检查硬件中是否存在这些扩展，并在可能的情况下使用128位和256位寄存器向量来向量化代码，在单个周期（周期是CPU中的基本时间单位）内执行多个基本操作。
我们已使用这些指令来优化Evergine.Mathematics库中最重要的结构体（如Matrix4x4、Vector4、Matrix3x3和Quaternion）内部的操作，结果令人印象深刻。
基准测试
为了创建一些微基准测试，我们使用了benchmarkdotnet。以下是启动Matrix4x4对比的设置。
program.cs文件内容：
Matrix4x4乘法测试内容：
本文中所有x86和x64基准测试所使用的CPU为：
Intel Core i9-10980HK CPU 2.40GHz，1个CPU，16个逻辑核心和8个物理核心
benchmarkdotnet生成的详细结果如下：
如您所见，使用MultiplyMethodRef（矩阵参数通过引用传递而非复制）的更快路径，即在此例中使用SSE SIMD指令的Net6新路径，仅需7.393纳秒，而旧路径需要23.965纳秒。代码大小也从1,044字节减少到414字节。对于3D图形引擎中最常用的数学运算之一来说，这些结果确实非常出色。
为了直观地展示在x86和x64架构上的性能提升，我们为每个数学结构体创建了一些图表。
我们还开发了一条面向 ARM64 架构的新路径。为了对这条新路径进行基准测试，我们使用了 Raspberry Pi4。在该架构中，我们在可能的情况下使用 ARM AdvSimd 指令集。以下是在 Ubuntu 22.04.1 LTS（Raspberry Pi4）上生成的结果。
摘要
全新的Evergine.Mathematics库速度极快，可让您充分利用所运行机器的平台特定功能。得益于在x86和x64架构上使用SSE和AVX指令，以及在ARM64设备上使用AdvSimd，其速度比之前提升了3-4倍。
下一步就看您的了，下载新版本，借助全新的Evergine.Mathematics库，在您的所有项目中开始使用这些性能改进。
