在英特尔 CPU 上将最近的 8 个顶点插值到随机采样点时，对称 3D 网格的最有效数据布局

我有一个 3D 数据的查找表(一个 3D RGB 查找表(，其中我为每个 ri、gi、bi(r、g 和 b(预设了 f(r，g，b( 的值(r、g 和 b 不一定均匀分布(。 在这种情况下，r g 和 b 的 n 恰好相同。

r1，r2， ....， rnG1，G2， ....， gnB1，B2， ....， 十亿

我需要通过在 r，g，b 周围最近的 8 个顶点的 f(( 值之间进行插值来计算和存储来自任何输入 (r，g，b( 图像的数百万个估计 f(r，g，b( 值。连续输入的r，g，b值是RGB视频像素，不是特别可预测。它们可能相似但不完全相同，因为几十个值然后迅速变化。不过，接近中点的 R，G，B 值通常比非常极端的值更常见。f(( 值表是预设的，不会改变 - 除了 f(( 的采样间隔足够精细以至于插值顶点是一个合理的估计之外，我无法对 f(( 做出假设。我的目标是使用C++的高端英特尔 CPU。

鉴于整个表可能很大(几 MB(，并且可能不适合 L1 或 L2 缓存，是否有一种缓存高效布局，它的索引成本不是很高，并使 8 个相邻的顶点在内存中彼此靠近，以使缓存未命中的可能性降低？如果我从多个线程使用相同的 f(( 表来提高速度，它可能会表现不佳吗？

我的第一个想法是使用一个简单的线性 C 数组并计算一个索引 - ftable[r + n (g + nb(]

一种替代方法是使用 C 样式的 3d 数组及其多个查找 - ftable[r][g][b]，但考虑到索引的几个加法和乘法的相对便宜，它似乎表现得更糟，而不是查找费用和潜在的 L1/L2 缓存未命中。或者，是否有一种狡猾的方法来布置 C 样式的 3D 数组，以提高缓存命中率，以查找基本上随机输入值的 8 个相邻顶点？