将数据写入 PCIe 设备时，可以使用写入组合映射来提示 CPU 应该向设备生成 64 字节的 TLP。
是否可以为读取做类似的事情？以某种方式提示 CPU 读取整个缓存行或更大的缓冲区，而不是一次读取一个字？
英特尔有一份关于从视频 RAM 复制到主内存的白皮书；这应该是相似的，但要简单得多（因为数据适合 2 或 4 个向量寄存器）。
它说 NT 加载会将整个缓存行数据从 WC 内存拉入 LFB：
普通加载指令以指令请求的相同大小为单位从 USWC 内存中提取数据。相比之下，像 MOVNTDQA 这样的流式加载指令通常会将完整的缓存数据行拉到 CPU 中的特殊“填充缓冲区”。随后的流式加载将从该填充缓冲区中读取，从而产生更少的延迟。
使用 AVX2_mm256_stream_load_si256()或 SSE4.1/AVX1 128 位版本。
填充缓冲区是一种有限的资源，因此您肯定希望编译器生成 asm 来执行 64 字节缓存行的两个对齐加载，然后存储到常规内存中。
如果您一次处理多个 64 字节块，请参阅英特尔的白皮书，了解有关使用在 L1d 中保持热态的小型反弹缓冲区的建议，以避免将存储与 NT 负载混合到 DRAM 中。（到 DRAM 的 L1d 驱逐，如 NT 存储，也需要行填充缓冲区，LFB）。
请注意，_mm256_stream_load_si256()是没有用在所有的比WC其他存储器类型。NT 提示在当前硬件上被忽略，但无论如何与常规负载相比，它会花费额外的 ALU uop。有prefetchnta，但那是一种完全不同的野兽。