본문으로 건너뛰기
Modern Embedded Recipes · 91/152

Cache Line Alignment — alignas·Padding·SoA 적용

· Hawk · 5분 읽기

#한 줄 요약

“Cache line align = alignas(64) 한 줄로 false sharing을 막는다.” 핵심은 element 사이에도 padding을 넣어 hot 변수가 같은 line에 끼지 않게 하는 것입니다.

#어떤 상황에서 쓰나

멀티코어 SMP에서 카운터 두 개를 두 코어가 각각 증가시키는데도 throughput이 코어 하나일 때보다 느려지는 경우가 있습니다. 두 변수가 같은 cache line 안에 있으면 코어 간 cache line이 ping-pong을 치면서 매 store마다 coherency traffic이 발생합니다. Cortex-A72에서 10x 가까이 떨어지는 사례가 흔합니다.

DMA buffer를 cacheable 영역에 두면 line 경계가 어긋난 곳에서 invalidate가 옆 line까지 건드리면서 다른 코드의 hot data를 날립니다. 이런 상황을 만나면 alignment가 가장 먼저 의심해야 할 항목입니다.

#핵심 개념

두 hot counter가 같은 line에 있을 때와 line이 분리된 경우의 차이를 그림으로 먼저 봅니다.

Cache line alignment — false sharing 회피

Cache line은 CPU가 한 번에 fetch·invalidate하는 단위입니다. Cortex-A53/A72와 Intel/AMD x86은 64B, Apple M1과 IBM POWER는 128B, Cortex-M7은 32B입니다. 같은 line에 있는 두 변수는 멀티코어 관점에서 하나의 변수처럼 움직입니다.

/* C++17 */
#include <new>
constexpr size_t CACHE_LINE = std::hardware_destructive_interference_size;
/* Runtime */
long line_size = sysconf(_SC_LEVEL1_DCACHE_LINESIZE);

칩별 line 크기를 기억해두는 편이 좋습니다.

ArchitectureLine size
ARM Cortex-M732 B
ARM Cortex-A53/A7264 B
Intel/AMD x8664 B
Apple M1/M2128 B
IBM POWER128 B

#코드 / 실제 사용 예

#alignas로 struct 시작 정렬

#include <cstddef>
#include <atomic>
struct alignas(64) hot_data {
std::atomic<int> counter;
};
hot_data g_data; /* &g_data % 64 == 0 보장 */

C11도 _Alignas(64), GCC·Clang은 __attribute__((aligned(64)))를 지원합니다.

#Element 사이 padding으로 false sharing 차단

struct counters {
alignas(64) std::atomic<int> a;
char pad_a[64 - sizeof(std::atomic<int>)];
alignas(64) std::atomic<int> b;
char pad_b[64 - sizeof(std::atomic<int>)];
};
static_assert(sizeof(counters) == 128, "padded counters");

alignas만 쓰면 struct 시작만 정렬되고 element 사이는 그대로 붙습니다. 카운터 두 개가 한 line에 들어가면 padding이 의미를 잃습니다.

#SPSC ring buffer head/tail 분리

template<typename T, size_t N>
struct spsc_ring {
alignas(64) std::atomic<size_t> head;
char pad_h[64 - sizeof(std::atomic<size_t>)];
alignas(64) std::atomic<size_t> tail;
char pad_t[64 - sizeof(std::atomic<size_t>)];
alignas(64) T buf[N];
};

Producer는 head만 쓰고 consumer는 tail만 씁니다. 두 변수가 서로 다른 line에 있으면 coherency traffic이 0에 수렴합니다.

#AoS → SoA 변환

/* AoS — 한 particle을 다 fetch */
struct particle { float x, y, z, vx, vy, vz, mass; };
particle parts[N];
for (int i = 0; i < N; i++) {
parts[i].x += parts[i].vx * dt;
/* y, z, mass까지 같은 line에 fetch — 60% 낭비 */
}
/* SoA — x, vx만 fetch */
struct particles_soa {
alignas(64) float x[N];
alignas(64) float y[N];
alignas(64) float vx[N];
alignas(64) float vy[N];
};
for (int i = 0; i < N; i++) {
parts.x[i] += parts.vx[i] * dt;
}

SoA는 SIMD 친화이기도 합니다. NEON vld1q_f32(&parts.x[i])로 4개 float을 한 번에 load할 수 있습니다.

#Hot/Cold 분리

struct guest {
/* Hot — 매 frame 접근 */
alignas(64) int id;
int active;
int last_login;
char pad[64 - 3 * sizeof(int)];
/* Cold — 화면에 표시할 때만 */
char email[128];
char address[256];
};

자주 접근하는 필드는 line 하나에 모으고, 드물게 보는 필드는 별도 line으로 밀어둡니다. Hot loop이 한 line만 가져가도록 만드는 것이 목표입니다.

#Per-CPU counter

struct counter_per_cpu {
alignas(64) atomic_long value;
} per_cpu_counters[NUM_CORES];
void inc(int cpu) {
atomic_fetch_add(&per_cpu_counters[cpu].value, 1);
}
long sum_all(void) {
long s = 0;
for (int i = 0; i < NUM_CORES; i++)
s += atomic_load(&per_cpu_counters[i].value);
return s;
}

코어별로 다른 line을 쓰면 false sharing이 사라지고 코어 수에 거의 선형으로 scaling됩니다.

#Linux 커널 매크로

#include <linux/cache.h>
struct foo {
int a;
int b ____cacheline_aligned; /* 새 line */
};
static struct bar ____cacheline_aligned g_bar;

커널은 ____cacheline_aligned를 표준 매크로로 씁니다. Per-CPU data와 hot field에 광범위하게 적용되어 있습니다.

#측정 / 성능 비교

Cortex-A72 quad core에서 atomic counter 두 개를 두 thread가 1억 번 증가시킨 결과입니다.

구조시간throughput
같은 line에 a, b7.8 s26 M ops/s
alignas(64)만 (시작)7.4 s27 M ops/s
element 사이 padding0.9 s222 M ops/s

False sharing 제거가 8배 이상 차이를 만듭니다. Intel Xeon에서는 보통 10배 수준까지 벌어집니다.

NEON aligned vs misaligned load (Cortex-A72)
aligned vld1q_f32 1 cycle/load
misaligned vld1q_f32 2 cycle/load (cross-line)

ARM Cortex-A는 misalign을 허용하지만 cross-line transaction이 발생하면 두 배가 듭니다. 정렬은 공짜에 가까운 최적화입니다.

#자주 보는 함정

alignas만 쓰고 element 정렬을 잊은 경우

struct foo {
alignas(64) int a;
int b; /* a와 같은 line — padding 없음 */
};

다음 element에도 alignas를 붙이거나 명시적 padding을 넣어야 합니다.

Stack 변수에 큰 alignment 가정

void func(void) {
alignas(64) int x; /* stack은 16/32B만 보장하는 경우 많음 */
}

GCC의 -mstackrealign을 켜거나 static·heap으로 옮기는 편이 안전합니다.

32B line 칩에 64 alignment

/* Cortex-M7 line = 32 B */
alignas(64) int x; /* 메모리 두 배 낭비 */

칩별 line 크기를 확인하고 그 단위로 맞추는 것이 좋습니다.

__attribute__((packed)) 남용

struct {
char c;
int i;
} __attribute__((packed)); /* i가 misaligned → Cortex-M0/ARMv6 fault */

Packed는 전송 프로토콜용에만 쓰고 일반 in-memory struct는 natural alignment를 유지합니다.

DMA buffer 정렬 누락

uint8_t buf[1024]; /* alignment 1 — neighbor line 영향 */
SCB_CleanDCache_by_Addr((uint32_t*)buf, 1024);

DMA buffer는 반드시 cache line 단위로 정렬해야 invalidate가 옆 line의 hot data를 건드리지 않습니다.

#정리

  • alignas(64)는 struct 시작만 정렬하므로 element 사이에도 padding이 필요합니다.
  • False sharing 제거는 SMP에서 흔히 8~10배 throughput을 회복시킵니다.
  • AoS를 SoA로 바꾸면 cache 효율과 SIMD 친화성이 동시에 좋아집니다.
  • Hot/cold 분리는 hot loop이 line 하나만 fetch하도록 만드는 가장 단순한 기법입니다.
  • Per-CPU counter는 line 단위 분리만으로 코어 수에 선형 scaling을 얻습니다.
  • Cortex-M7은 32B line, Apple M1은 128B line이므로 칩별 size를 확인해야 합니다.
  • Linux 커널은 ____cacheline_aligned를 표준으로 사용합니다.

다음 편은 DMA Allocator입니다.

#관련 항목

Modern Embedded Recipes · 92 of 152

  1. 1Modern Embedded Recipes — 모던 임베디드 실전 레시피 시리즈 소개
  2. 2디지털 신호 기초 — Voltage Level·Edge·Setup/Hold 분석
  3. 3임베디드 클럭과 타이밍 — Skew·Jitter·PLL·MMCM 분석
  4. 4GPIO 내부 구조 분해 — Push-Pull·Open-Drain·Schmitt Trigger
  5. 5UART 하드웨어 동작 분석 — Baud Rate·Framing·FIFO
  6. 6SPI 하드웨어 분석 — Clock Mode·MOSI/MISO·Chip Select
  7. 7I2C 하드웨어 분석 — Open-Drain·Clock Stretching·Arbitration
  8. 8ADC 동작 원리 — SAR·Sigma-Delta·Pipelined 비교
  9. 9DAC 동작 원리 — R-2R Ladder·Sigma-Delta·Settling Time
  10. 10PWM 신호 생성 분석 — Duty·Frequency·Dead Time·Center-Aligned
  11. 11CAN 버스 전기적 특성 — Differential·Termination·Dominant/Recessive
  12. 12RS-485·RS-422 차동 신호 분석 — Termination·Biasing·Topology
  13. 13LVDS 차동 신호 분석 — Common-Mode·Impedance·Eye Pattern
  14. 14ARM Cortex-M 시리즈 비교 — M0·M3·M4·M7·M33·M55 분석
  15. 15ARM Cortex-A 시리즈 비교 — A53·A55·A72·A78·X1 분석
  16. 16ARM 레지스터 구조 분석 — R0~R15·CPSR·SPSR·Banked Registers
  17. 17Cortex-M 예외 처리 — Vector Table·NVIC·Tail-Chaining 추적
  18. 18ARM 메모리 맵 분석 — Normal·Device·Strongly-Ordered Region
  19. 19ARM L1·L2 캐시 분석 — Set Associative·Inclusive·Maintenance
  20. 20ARM MPU 활용 — Region·Attribute·Privilege Separation
  21. 21ARM MMU 기초 분석 — Translation Table·TLB·ASID
  22. 22ARM TrustZone-M 기초 — Secure/Non-Secure·NSC·MPC
  23. 23ARM Memory Barrier 실전 — DMB·DSB·ISB·DMA·MMIO
  24. 24임베디드 크로스 컴파일러 분석 — GCC·Clang·Sysroot 구성
  25. 25C 컴파일 4단계 — Preprocess·Compile·Assemble·Link 추적
  26. 26ELF 파일 구조 분석 — Section·Segment·Symbol Table·DWARF
  27. 27링커 스크립트 기초 — SECTIONS·MEMORY·entry point
  28. 28링커 스크립트 고급 — Overlay·BSS·init_array·LMA/VMA
  29. 29임베디드 스타트업 코드 분석 — Reset_Handler·Vector Table·SystemInit
  30. 30C 런타임 crt0 분석 — Stack·BSS Zero·Data Copy·atexit
  31. 31임베디드 메모리 레이아웃 — .text·.rodata·.data·.bss·.heap·.stack
  32. 32임베디드 컴파일러 최적화 분석 — -O0~-O3·-Os·-LTO 비교
  33. 33Map 파일 분석 — Symbol·Section·Size 추적으로 코드 크기 진단
  34. 34Make·CMake 크로스 컴파일 — Toolchain File·Sysroot 통합
  35. 35임베디드 Bootloader 체인 — BootROM·SPL·U-Boot·Kernel·Secure Boot
  36. 36첫 bare-metal 프로그램 작성 — Linker·Startup·main의 최소 구성
  37. 37MMIO 레지스터 직접 접근 — volatile·Memory Map·Aliasing 분석
  38. 38GPIO 드라이버 직접 구현 — STM32 HAL 없이 레지스터로
  39. 39임베디드 클럭 설정 분석 — HSE·PLL·SYSCLK·AHB/APB 분주
  40. 40Cortex-M 인터럽트 핸들링 — NVIC·Priority·Vector·EXTI
  41. 41SysTick 타이머 활용 — 24-bit Counter·1ms Tick·delay 구현
  42. 42UART 드라이버 구현 — polling·interrupt·DMA 3가지 방식 비교
  43. 43SPI 드라이버 구현 — Master·Slave·CRC·DMA
  44. 44I2C 드라이버 구현 — Master·7-bit/10-bit·Clock Stretching 처리
  45. 45임베디드 DMA 기초 — Memory-to-Memory·Peripheral·Circular Mode
  46. 46저전력 모드 분석 — Sleep·Stop·Standby·Wake-up Source
  47. 47IWDG·WWDG 워치독 구현 — Independent vs Window 비교
  48. 48임베디드 Flash 프로그래밍 — Erase·Program·Read While Write
  49. 49DDR 초기화 실패 진단 — Timing·Calibration·Walking Bit Test
  50. 50PWM 출력 실전 — LED 밝기·모터 속도 제어
  51. 51DC 모터 제어 — H-Bridge·PWM Duty·Encoder Feedback
  52. 52스테퍼 모터 제어 — Full Step·Half Step·Microstepping
  53. 53서보 모터 제어 — PWM 1ms~2ms·Closed Loop·PID
  54. 54Character LCD 제어 — HD44780·4-bit Mode·Custom Char
  55. 55SPI OLED 제어 — SSD1306·Frame Buffer·Page 단위 갱신
  56. 56TFT 디스플레이 구동 — RGB565·FSMC·LTDC·DMA2D
  57. 57환경 센서 활용 — BME280 온습압·SHT3x·BMP180 비교
  58. 58IMU 센서 활용 — MPU6050·LSM6DSO·Sensor Fusion
  59. 59CAN 통신 구현 — bxCAN·Filter·Mailbox·CAN-FD
  60. 60USB Device 기초 — Descriptor·Enumeration·Endpoint·HID/CDC
  61. 61Ethernet MAC+PHY 통합 — RMII·lwIP·DMA Descriptor
  62. 62SD Card + FatFs 구현 — SPI/SDIO 모드·CSD/CID·Wear
  63. 63RTC 활용 — Calendar·Alarm·Wake-up Timer·Backup Domain
  64. 64RTOS 도입 결정 분석 — Super Loop vs RTOS 트레이드오프
  65. 65RTOS Task 설계 패턴 — 우선순위·스택·State Machine
  66. 66RTOS Scheduler 동작 분석 — Tick·Context Switch·Yield
  67. 67RTOS Semaphore 활용 — Binary·Counting·ISR Give
  68. 68RTOS Mutex 활용 — Recursive·Priority Inheritance 적용
  69. 69RTOS Queue 활용 — By-Value·By-Reference·Timeout 패턴
  70. 70RTOS Event Group 활용 — Bit Wait·Sync·Notify
  71. 71RTOS Software Timer 활용 — One-shot·Auto-reload·Daemon Task
  72. 72ISR-Safe API 설계 — Reentrant·Atomic·Defer 패턴
  73. 73Priority Inversion 진단·예방 — Mars Pathfinder Lesson 추적
  74. 74Timer Wheel 분석 — Hashed·Hierarchical·O(1) Tick
  75. 75RTOS 디버깅 기법 — Tracealyzer·SystemView·Stack 추적
  76. 76임베디드 Linux 부팅 흐름 분석 — BootROM·U-Boot·Kernel·init
  77. 77U-Boot 활용 — bootcmd·env·tftp·boot.scr 분석
  78. 78Device Tree 실전 — DTS·DTB·Overlay·Phandle 추적
  79. 79Device Tree Overlay 적용 — Runtime fragment·dtoverlay
  80. 80임베디드 커널 빌드 — defconfig·menuconfig·Image·zImage
  81. 81커널 모듈 기초 — init/exit·Parameter·KBuild·DKMS
  82. 82캐릭터 드라이버 작성 — file_operations·cdev·register_chrdev
  83. 83Platform 드라이버 작성 — probe·remove·of_match·DT 바인딩
  84. 84mmap 4가지 모드 — Anonymous·File·Shared·Huge Page
  85. 85epoll 실전 — LT·ET·ONESHOT·EXCLUSIVE 비교
  86. 86UIO·VFIO 분석 — User-Space Driver와 IOMMU 격리
  87. 87sysfs·configfs 활용 — kobject 기반 User 인터페이스
  88. 88IRQ Affinity 튜닝 — smp_affinity·isolcpus·irqbalance
  89. 89루트 파일시스템 구축 — Buildroot 기초·Package·Toolchain
  90. 90임베디드 동적 메모리 — malloc 위험·결정성·대안 분석
  91. 91메모리 정렬과 패딩 분석 — Natural·Strict Alignment·Trap
  92. 92Cache Line Alignment — alignas·Padding·SoA 적용
  93. 93DMA-Friendly Allocator — dma_alloc_coherent·IOMMU·Pool
  94. 94Zero-Copy Pipeline — DMA-BUF·sendfile·io_uring·splice
  95. 95NUMA Memory Topology — numactl·numa_alloc·HBM 적용
  96. 96SIMD 활용 분석 — Intrinsics·Auto-Vectorization·OpenMP SIMD
  97. 97ARM NEON 심화 — Matrix Multiply·FFT·Image Filter 적용
  98. 98임베디드 스택 분석 — high-water·overflow 탐지
  99. 99임베디드 코드 크기 최적화 — -Os·LTO·Section Garbage Collection
  100. 100임베디드 전력 최적화 — Sleep Mode·Clock Gating·DVFS
  101. 101WCET 분석 기법 — Static·Measurement·Hybrid 방법론
  102. 102Lock-Free Ring Buffer 구현 — SPSC·Power-of-2·Memory Order
  103. 103Wait-Free Signaling — Atomic Flag·Sequence·Latest-Value
  104. 104RCU (Read-Copy-Update) 기초 — Quiescent State·Grace Period
  105. 105Hazard Pointer 분석 — Lock-Free Memory Reclamation
  106. 106Compare-And-Swap 패턴 — Stack·Counter·Linked List 적용
  107. 107Atomic Operation 비용 분석 — Fence·Cache Line·Contention
  108. 108Spinlock vs Mutex 결정 가이드 — Context Switch·Hold Time
  109. 109ABA 문제 회피 — Tagged Pointer·Hazard·Generation Counter
  110. 110False Sharing 해결 — Cache Line Padding·SoA 적용
  111. 111MPMC Queue 구현 — Multi-producer Multi-consumer Lock-Free
  112. 112임베디드 디버깅 마인드셋 — 가설·격리·재현·이분탐색
  113. 113JTAG·SWD 안 붙을 때 — 핀·전압·속도·세션 진단
  114. 114GDB 원격 디버깅 — OpenOCD·J-Link·target remote 구성
  115. 115Cortex-M 하드폴트 분석 — Stacked Frame·CFSR 읽기
  116. 116UART 안 찍힐 때 — Bare-metal 체크리스트
  117. 117임베디드 부팅 실패 진단 — 단계별 Isolation
  118. 118인터럽트 누락·중복 진단 — Priority·Pending·Re-entry 추적
  119. 119메모리 오버플로우·오염 진단 — Canary·MPU·Pattern 분석
  120. 120타이밍·Race 진단 — Heisenbug 잡는 법
  121. 121통신 프로토콜 분석 — Logic Analyzer와 Protocol Decoder
  122. 122임베디드 로깅 시스템 설계 — 레벨·버퍼·SWO·Deferred
  123. 123임베디드 포스트모템 분석 — Core Dump와 Field Crash
  124. 124FPGA 기초 분석 — LUT·FF·BRAM·DSP 자원 구조
  125. 125Vivado 사용법 — Project·Constraint·Synth·Impl·Bitstream
  126. 126PCIe BAR 매핑 분석 — Config Space·Enumeration·MMIO 접근
  127. 127AXI 인터페이스 — AXI4·AXI4-Lite·AXI-Stream 비교
  128. 128Zynq PS-PL 통신 — GP·HP·ACP 인터페이스 선택
  129. 129Mailbox Protocol 분석 — Host와 Accelerator를 잇는 Doorbell
  130. 130Command Queue·Submission Queue — NVMe·XDMA 공통 패턴
  131. 131DMA Completion 메커니즘 — Interrupt·Polling·Completion Ring
  132. 132PCIe Streaming 분석 — BAR Type·MSI-X·Kernel Bypass
  133. 133Vitis HLS 분석 — Pragma·Pipeline II·Dataflow 실전 감각
  134. 134HLS 최적화 기법 — Pipeline·Unroll·Partition·Dataflow
  135. 135Vitis AI 분석 — DPU·xmodel·VART
  136. 136OpenCL on FPGA — Kernel·Channel·Burst Memory 분석
  137. 137Intel Quartus 사용법 — Platform Designer·Nios II·HLS
  138. 138Edge Inference 분석 — Cloud vs Edge·Latency·Privacy
  139. 139NPU 아키텍처 분석 — Ethos·Hexagon·Systolic Array 비교
  140. 140딥러닝 Quantization 분석 — PTQ·QAT·INT8·INT4·Calibration
  141. 141TensorRT 분석 — ONNX→Engine·FP16·INT8·DLA·Multi-Stream
  142. 142TFLite Micro 분석 — Op Resolver·Tensor Arena·Cortex-M
  143. 143ONNX Runtime 분석 — Execution Provider와 Cross-Platform 배포
  144. 144Edge Thermal Management — Throttling·DVFS·Fan Curve·Sustained
  145. 145NVIDIA Jetson 분석 — Nano·Xavier·Orin·Thor·JetPack·DLA·VPI
  146. 146Zero-Copy Camera Pipeline — V4L2·DMA-BUF·GPU Import·NPU 직결
  147. 147온디바이스 LLM 추론 — llama.cpp·GGUF·MLX·KV Cache·NPU Backend
  148. 148Cortex-M33 TF-M·TrustZone — Secure Firmware·PSA·MCUboot
  149. 149Matter·Thread 분석 — IoT 통합 표준·Commissioning·Multi-Fabric
  150. 150PCIe → CXL 진화 — 같은 PHY 위 cache-coherent 프로토콜 추가
  151. 151QEMU CXL Type 3 디바이스 에뮬레이션 — 노트북에서 CXL 개발 환경 구축
  152. 152Linux CXL 드라이버 분석 — cxl_pci·cxl_core·region·DAX