作者深入剖析了 SIMD 向量化中对齐（alignment）对性能的影响。核心问题是当一次内存访问跨越 64 字节缓存行边界时，会被拆成两次访问，从而拖慢内存单元。他用 Java Vector API 做了详细基准：在 AVX512 上 64 字节向量、16 个 int，对齐与完全不对齐之间性能差可达 50%，其中对齐存储（store）比对齐加载（load）更关键，能带来 20% 差异；向量越大差异越明显。他还谈到自己曾把自动向量化的对齐从 store 误改成 load 导致 20% 回归的教训，并给出实用建议：用 Vector API 时若追求极致性能，应使用离堆原生内存并显式指定对齐。