聚集-散播存取（gather-scatter access）

向量載入最開心的時候，是它要的資料坐在一段整齊連續的範圍裡——像一掃就從一個書架抓走八本書。但真實程式常常要的是散落在記憶體各處的元素：表格的每第十列，或那些索引來自另一份清單的項目（A[index[0]]、A[index[1]]，依此類推）。聚集（gather）就是伸進許多分散位址、把那些散落元素收進一個向量暫存器的運算；散播（scatter）是反向，拿向量的各車道、把每一個寫回它自己分散的位址。

有兩種型態要緊。跨步存取（strided）讀取彼此固定距離的元素——譬如每第 4 個浮點數，對應 RGBA 影像的紅色通道；跨步（stride）就是那個固定的間隔。聚集／散播是完全一般的情形：你給硬體一個索引向量，它就為向量中的每個索引 i 取 A[i]，不管那些位址跳得多不規則。一條索引向量為 [0, 7, 3, 12] 的聚集指令，把 A[0]、A[7]、A[3]、A[12] 載入四條車道；散播在儲存時做鏡像。這正是讓向量程式能處理稀疏矩陣、間接查表與直方圖式更新的東西。

聚集與散播強大，但它們是資料層級平行裡昂貴的角落，初學者該對此有敬意。連續的向量載入取一條快取列就餵飽每條車道；聚集卻可能為每條車道碰一條不同的快取列，所以可能慢上許多倍，並對記憶體系統造成壓力。散播還有額外的危險：若兩條車道散播到同一個位址（碰撞），硬體必須定義會發生什麼，而平行的直方圖更新是經典陷阱。經驗法則是：向量化喜愛連續、單位跨步的資料；你越往任意聚集／散播漂移，瓶頸就越是記憶體系統而非算術。