在为armv8a和armv7a优化NEON代码时，我应该知道什么？

Question

我有SSE的经验，并且搜索ARM平台是否有优化技巧，或者它是否最终正确地利用了指令延迟和吞吐量？

我尝试将armv8a与armv7a NEON进行比较，但到目前为止我的搜索告诉我两个单位非常相似，我错了吗？

我能找到的很少东西是：

1. armv8a有标量的NEON操作;
2. armv8a NEON与CPU共享状态标志;
3. armv8a具有更宽的寄存器和新指令;
4. 可以使用具有快速路径的单周期MAC链;

问题的一些细节：

1. 什么样的armv8a NEON构造能够快速执行？
2. 什么样的armv8a NEON结构表现缓慢，应该避免？
3. armon8提供了哪些优化技术（除了具有快速路径的MAC链之外还有什么其他的东西？）？
4. armv7a NEON与armv8a NEON相比如何？
5. 在为两种架构（armv7a，armv8a）编写高性能代码的方式上是否存在实质性差异？
6. 有没有可能快速armv7a代码在armv8a上执行缓慢（反之亦然）？一些例子？
7. Snapdragon 810会以何种方式影响上述所有内容？

对定点和浮点的优化都感兴趣。

我使用gcc-arm-linux-gnueabihf编译器。