通过 JNI 将两个数组从 java 传递到 c++ 时，使用 c++ 内在函数（或 asm-inline）来提高性能存在三个障碍。
1）JNI调用有开销（如预期，20个周期到100个周期）
2）数组作为未对齐传递（需要 32B 或 16B 对齐），因此需要移动整个两个数组以使它们对齐，然后最后移回旧位置。
3）创建一个新数组将结果发送到java（例如：向量乘法C=A*B）如果我们从java提供一个数组，它也会错位！所以我们需要在 C++ 中创建一个新的对齐数组，这会减慢整个过程。
我们可以制作一个更大的数组来连接两个数组，而不是移动两个数组，但这也会很慢。
如果我们只能使用（更少数据，更多计算）结构，那么使用 JNI 来提高性能有什么意义？
——在 JNI 中使用纯 c++（无内在）只比纯 java 快 %10-%20。
--使用内在函数将乘法/秒增加了 %70，但缓慢的数组复制仍然有效。java 将其数组移动到 32B 对齐位置的几率只有 %50。
GetPrimitiveArrayCritical-- 使用而不是给大向量（ 256kGetArrayElements()个元素）的点积带来另一个 %250 的性能。这一定是在 JNI 工作和非复制访问时关闭 gc-down 的结果。
--在我的机器上使用直接字节缓冲区而不是原始数组是 %40(纯 java 之上的 5x-6x) 更快。还可以让我在本机地址选择器的帮助下选择一个自定义偏移量，使其与 32B 对齐。所以我们可以有一个直接缓冲区的 32B 对齐子集（在“C”空间中），但不是一个原始数组。
-- 将一个大缓冲区分成 8 个部分和 8 个 java 线程，与单个 directbytebuffer 相比，计算速度再快 40%（这可能接近我的内存的限制，因为我每个元素只做一次乘法）
最新案例与 java 的单线程循环展开乘法的总速度比接近 6 倍，在我应用多线程之后，对于这个特定的点积，它增加到 8 倍（不是因为内存带宽，而不是计算限制）。
您可以添加什么来克服上述三个困难？
我们如何通过 JNI 将 32B 对齐的数组从 java 传递到 c++？