CPU与缓存（Cache）
首先我们先来了解一下CPU读取数据时的操作，首先CPU会先从自己的缓存中去查找，如下图，有L1/ L2/ L3三级缓存，若缓存中没有找到需要的数据，则会去内存中查找（我们称之为Cache Miss），CPU读取到内存数据后就会将新数据存放在缓存当中。CPU访问内存的速度会比访问L1 Cache的速度慢100倍，因此提高缓存命中率（Cache Hit），避免Cache Miss会大大提高性能。因此我们应该尽量使用数组，尽量分割属性（SOA），尽量连续的进行处理。
这也使得一味的讨论复杂度O(n)不再适用，因为现在效率=数据+代码，最常见的例子就是在数据量小的情况下遍历数组会比 （Hash）Map 快上很多
缓存行
缓存又由若干个缓存行（cache line）组成，每个缓存行大概占64字节。
假设我们现在想要旋转并移动场景中的一个物体，那么我们会修改它的Position（Vector3数据，3个float）和Rotating（Quaternion，4个float），其中1个float占4字节，那么一共占28字节，那么在这个缓存行就会有36个字节是完全浪费的，甚至我们可能只改了Position的x的值，这样浪费的就更多。若有上千个这样的方块，那么我们缓存中可能就会存在超50%的内存垃圾，从而导致缓存命中率大大的降低。
问题的引出
了解了上面的知识之后，我们再看回Unity，在传统模式下，我们在场景中创建一个Cube，上面会有Transform，MeshRenderer，Collider等组件，而这些组件在内存中的排放都是无序的，这就会降低我们的缓存命中率。
由于可以在运行时给Entity动态的添加或删除Component，若我们将Entity A的Renderder删除，则此时Entity A会隶属于Archetype N，若再删除Rotation，则剩下的Component组合和Archetype M，Archetype N都不相同，就好隶属于一个新的Archetype。
Memory Chunks
ECS会根据Archetype来进行分配内存，每个内存块我们称之为Chunk，ECS会将符合Chunk对应Archetype的Entity放在该Chunk当中。一个Chunk中，内存地址是连续的，大小固定为16KB。若Chunk装满了，则会生成一个新的Chunk用来存储新生成的且Archetype符合的Entity。
由于我们动态的添加或删除Entity的Component，会导致其Archetype变化，因此ECS也会改变其Chunk，放到与之对应Chunk中。
可能描述的不太好，我们来看示例图。下图中有三种Archetype，分别对应三种Component组合。每个Archetype都会有对应的Chunk用来存储对应的Entity。若Chunk存储满了，就会在对应Archetype下新生成一个Chunk。
这样的设计理念使Archetypes and Chunks是一对多的关系，同时若给定一个Component组合，我们要找到所有对应的Entity，只需要搜索现有的archetype即可，而不需要遍历所有的Entity。
ECS不支持使用特殊的排序来将Entity存储进Chunk中，若有一个Entity被创建或者被改变，使其隶属于一个新的Archetype时，ECS会将其存储在该Archetype下第一个还有空间的Chunk中。若有一个Entity被从Chunk中移除，ECS则会把该Chunk中最后一个Entity与其对应的Component移到这个空缺的位置中。
举例
关于Entity，Component，Archetype和Chunk的关系，我们在此举个简单的例子。假设我们有两个Component：C1和C2，然后我们生成五个Entity，其对应的Component分别为：E1(C1,C2)，E2(C1)，E3(C1,C2)，E4(C1,C2)，E5(C2)。由于组合分别有C1，C2，C1C2三种，所以会有三个Archetype，假设我们一个Chunk只能存储两个Entity。那么最终结果为：
Archetype1：Chunk1 [ E1(C1,C2)，E3(C1,C2) ] -> Chunk2 [ E4(C1,C2) ]
Archetype2：Chunk1 [ E2(C1) ]
Archetype3：Chunk1 [ E5(C2) ]
结合到我们前面有关缓存的知识，若我们要移动选择一个方块，可能会写两个Component，MoveComponent存x和y两个float（假设只前后左右移动），RotateComponent只存y一个float（假设只旋转y轴），这样我们的方块就只会有3个float，占用12个字节。若有多个相同的方块，由于都有上述两个Component，也就是属于同一种Archetype，因此内存也是连续的。那么在一个64字节的缓存行中，我们可以放下5个这样的方块数据，只有4字节是浪费的，就会大大降低Cache Miss。
