Atomic Operation 비용 분석 — Fence·Cache Line·Contention
#한 줄 요약
“Atomic은 공짜가 아닙니다.” Memory order에 따라 LDR/STR이 LDAR/STLR로 바뀌고, contention이 있는 순간 cache line ping-pong이 발생합니다.
#어떤 상황에서 쓰나
counter, flag, ring buffer head/tail처럼 작은 공유 변수를 lock 없이 처리할 때 atomic이 필수입니다. lock보다 빠르다고 알려져 있지만, 실은 어떤 memory order로 어떤 architecture에서에 따라 lock과 비슷하거나 더 느릴 수도 있습니다.
또 한 가지 흔한 상황은 spin loop입니다. busy wait가 cache line을 끊임없이 read하면 다른 코어의 store latency가 폭증합니다. pause/yield와 backoff로 영향을 줄여야 합니다.
#핵심 개념
| memory_order | 보장 |
|---|---|
| relaxed | atomic만, 순서 보장 없음 |
| consume | 단일 dependency chain (실무에서 acquire로 격상) |
| acquire | load 이후의 메모리 동작이 재배열 안 됨 |
| release | store 이전의 메모리 동작이 재배열 안 됨 |
| acq_rel | acquire + release |
| seq_cst | global total order (가장 비쌈) |
ARMv8에서 매핑되는 명령어입니다.
load relaxed LDR acquire LDAR (one-way acquire fence) seq_cst LDAR
store relaxed STR release STLR (one-way release fence) seq_cst STLR + DMB ISH
fetch_add relaxed LDXR/STXR loop (ARMv8.0) or LDADD (ARMv8.1 LSE) seq_cst LDAXR/STLXR loop or LDADDALARMv8.1의 LSE(Large System Extensions)가 LL/SC retry를 single instruction으로 대체해 contention에서 큰 이점을 줍니다.
#코드 / 실제 사용 예
#memory_order 사용
std::atomic<bool> ready{false};std::atomic<int> data{0};
/* producer */data.store(42, std::memory_order_relaxed);ready.store(true, std::memory_order_release);
/* consumer */while (!ready.load(std::memory_order_acquire));int v = data.load(std::memory_order_relaxed);/* v == 42 보장 */publish 한 쪽에 release, consume 한 쪽에 acquire가 표준 패턴입니다. seq_cst가 필요한 경우는 의외로 적습니다.
#fetch_add — LSE vs LL/SC
std::atomic<long> counter;
void inc(void) { counter.fetch_add(1, std::memory_order_relaxed); }ARMv8.0 코드:
1: ldxr x0, [x1] add x0, x0, #1 stxr w2, x0, [x1] cbnz w2, 1b // retry on failureARMv8.1 LSE 코드:
mov x0, #1ldadd x0, xzr, [x1] // single atomicLSE는 contention 시 RMW retry가 사라져 cache line ping-pong이 크게 줄어듭니다.
#컴파일러 옵션
# LSE 강제 사용 (Cortex-A55, A76 이상)gcc -march=armv8.1-a+lse main.c
# auto detectiongcc -march=armv8.1-a main.c -moutline-atomics# -moutline-atomics: 런타임에 LSE 지원 시 LSE, 아니면 LL/SC 자동 선택-moutline-atomics는 컴파일된 binary가 칩별 최적 atomic을 자동 선택합니다.
#Spin loop의 hot read 회피
/* 나쁨 — atomic load만 hot loop */while (flag.load(std::memory_order_acquire)) { /* 매 iteration LDAR — cache line invalidate */}
/* 좋음 — yield/pause로 backoff */while (flag.load(std::memory_order_relaxed)) { __asm__ volatile("yield" ::: "memory");}if (flag.load(std::memory_order_acquire)) { ... }hot loop의 LDR/LDAR이 다른 코어의 store latency를 폭증시킵니다. yield로 hardware에 hint를 주면 micro-architecture가 backoff를 처리합니다.
#Per-CPU counter (sharding)
struct alignas(64) shard { std::atomic<long> v;};shard counters[N_CPU];
void inc(int cpu) { counters[cpu].v.fetch_add(1, std::memory_order_relaxed);}
long total(void) { long s = 0; for (int i = 0; i < N_CPU; i++) s += counters[i].v.load(std::memory_order_relaxed); return s;}contention 자체를 줄이는 가장 강력한 도구는 sharding입니다. relaxed로도 충분하니 비용이 거의 없습니다.
#relaxed counter의 함정
/* OK — counter는 monotonic increment만, 순서 무관 */total.fetch_add(1, std::memory_order_relaxed);
/* NOK — flag 후 data 읽기는 release/acquire 필요 */ready.store(true, std::memory_order_relaxed); /* 다른 thread가 data를 못 봄 */relaxed는 atomicity만 보장합니다. happens-before 관계가 필요한 곳에는 release/acquire를 씁니다.
#Atomic 크기와 lock-freeness
std::atomic<int> a; // is_always_lock_free == truestd::atomic<int64_t> b; // 32-bit arch에서 false (mutex 내장)std::atomic<__int128> c; // 대부분 false (DCAS)std::atomic<T>::is_always_lock_free로 확인합니다. lock-free가 아니면 내부적으로 mutex가 쓰이므로 성능이 매우 떨어집니다.
#측정 / 성능 비교
연산 (Cortex-A72, no contention)LDR / STR 1 cycleLDAR (acquire load) 2 cycleSTLR (release store) 2 cycleLDAXR/STLXR loop 4~6 cycleLDADD (LSE) 3 cycleDMB ISH 10~20 cycleacquire/release는 거의 무료, seq_cst의 DMB가 큰 비용입니다.
contention 시 (8 thread, 같은 변수)LL/SC fetch_add >200 cycle/opLSE fetch_add ~50 cycle/opmutex lock/unlock ~150 nsper-CPU counter 10 cycle/opcontention이 있는 순간 비용이 폭증합니다. sharding이 가장 큰 효과를 냅니다.
spin loop 영향 (다른 코어에서 store)hot LDAR 없음 store latency 4 cyclehot LDAR 있음 store latency 60+ cycleyield로 backoff store latency 8 cyclehot spin은 다른 코어의 정상적인 work까지 망칩니다.
#자주 보는 함정
seq_cst 남용
std::atomic<int> a;a.fetch_add(1); /* default = seq_cst — 가장 비쌈 */명시적으로 relaxed/acquire/release를 골라야 합니다. 기본값이 가장 무겁습니다.
volatile로 동기화
volatile int flag; /* 동기화 안 됨 — UB */volatile은 atomic이 아니고 memory order도 보장 안 합니다. atomic을 써야 합니다.
32-bit 환경에서 64-bit atomic
std::atomic<int64_t> x; /* mutex 사용 — lock-free 아님 */architecture를 확인해 lock-free인지 검증합니다.
Backoff 없는 spin
while (locked.load()); /* hot LDR — 시스템 전반 영향 */yield/pause로 hardware hint를 줍니다.
Memory order를 단계적으로 확인 안 함
flag.store(true); /* default seq_cst *//* 코드 다 짜고 나서 "relaxed로 되나?" 고민 — 위험 */설계 시 memory order를 먼저 결정합니다. 나중에 약하게 바꾸면 race가 생길 수 있습니다.
#정리
- atomic 비용은 memory order에 따라 1 cycle에서 20 cycle 이상까지 변합니다.
- ARMv8.1의 LSE는 LL/SC retry를 single instruction으로 대체해 contention에 강합니다.
- spin loop은 yield/pause로 backoff를 둬야 다른 코어 work를 망치지 않습니다.
- sharding(per-CPU counter)이 contention을 가장 효과적으로 줄입니다.
- relaxed는 monotonic counter에만, publish/consume은 release/acquire가 표준입니다.
- 32-bit 환경에서 64-bit atomic은 lock-free가 아닐 수 있습니다.
volatile은 atomic이 아닙니다. atomic을 씁니다.
다음 편은 Spinlock vs Mutex 결정입니다.
#관련 항목
Modern Embedded Recipes · 107 of 152
- 1Modern Embedded Recipes — 모던 임베디드 실전 레시피 시리즈 소개
- 2디지털 신호 기초 — Voltage Level·Edge·Setup/Hold 분석
- 3임베디드 클럭과 타이밍 — Skew·Jitter·PLL·MMCM 분석
- 4GPIO 내부 구조 분해 — Push-Pull·Open-Drain·Schmitt Trigger
- 5UART 하드웨어 동작 분석 — Baud Rate·Framing·FIFO
- 6SPI 하드웨어 분석 — Clock Mode·MOSI/MISO·Chip Select
- 7I2C 하드웨어 분석 — Open-Drain·Clock Stretching·Arbitration
- 8ADC 동작 원리 — SAR·Sigma-Delta·Pipelined 비교
- 9DAC 동작 원리 — R-2R Ladder·Sigma-Delta·Settling Time
- 10PWM 신호 생성 분석 — Duty·Frequency·Dead Time·Center-Aligned
- 11CAN 버스 전기적 특성 — Differential·Termination·Dominant/Recessive
- 12RS-485·RS-422 차동 신호 분석 — Termination·Biasing·Topology
- 13LVDS 차동 신호 분석 — Common-Mode·Impedance·Eye Pattern
- 14ARM Cortex-M 시리즈 비교 — M0·M3·M4·M7·M33·M55 분석
- 15ARM Cortex-A 시리즈 비교 — A53·A55·A72·A78·X1 분석
- 16ARM 레지스터 구조 분석 — R0~R15·CPSR·SPSR·Banked Registers
- 17Cortex-M 예외 처리 — Vector Table·NVIC·Tail-Chaining 추적
- 18ARM 메모리 맵 분석 — Normal·Device·Strongly-Ordered Region
- 19ARM L1·L2 캐시 분석 — Set Associative·Inclusive·Maintenance
- 20ARM MPU 활용 — Region·Attribute·Privilege Separation
- 21ARM MMU 기초 분석 — Translation Table·TLB·ASID
- 22ARM TrustZone-M 기초 — Secure/Non-Secure·NSC·MPC
- 23ARM Memory Barrier 실전 — DMB·DSB·ISB·DMA·MMIO
- 24임베디드 크로스 컴파일러 분석 — GCC·Clang·Sysroot 구성
- 25C 컴파일 4단계 — Preprocess·Compile·Assemble·Link 추적
- 26ELF 파일 구조 분석 — Section·Segment·Symbol Table·DWARF
- 27링커 스크립트 기초 — SECTIONS·MEMORY·entry point
- 28링커 스크립트 고급 — Overlay·BSS·init_array·LMA/VMA
- 29임베디드 스타트업 코드 분석 — Reset_Handler·Vector Table·SystemInit
- 30C 런타임 crt0 분석 — Stack·BSS Zero·Data Copy·atexit
- 31임베디드 메모리 레이아웃 — .text·.rodata·.data·.bss·.heap·.stack
- 32임베디드 컴파일러 최적화 분석 — -O0~-O3·-Os·-LTO 비교
- 33Map 파일 분석 — Symbol·Section·Size 추적으로 코드 크기 진단
- 34Make·CMake 크로스 컴파일 — Toolchain File·Sysroot 통합
- 35임베디드 Bootloader 체인 — BootROM·SPL·U-Boot·Kernel·Secure Boot
- 36첫 bare-metal 프로그램 작성 — Linker·Startup·main의 최소 구성
- 37MMIO 레지스터 직접 접근 — volatile·Memory Map·Aliasing 분석
- 38GPIO 드라이버 직접 구현 — STM32 HAL 없이 레지스터로
- 39임베디드 클럭 설정 분석 — HSE·PLL·SYSCLK·AHB/APB 분주
- 40Cortex-M 인터럽트 핸들링 — NVIC·Priority·Vector·EXTI
- 41SysTick 타이머 활용 — 24-bit Counter·1ms Tick·delay 구현
- 42UART 드라이버 구현 — polling·interrupt·DMA 3가지 방식 비교
- 43SPI 드라이버 구현 — Master·Slave·CRC·DMA
- 44I2C 드라이버 구현 — Master·7-bit/10-bit·Clock Stretching 처리
- 45임베디드 DMA 기초 — Memory-to-Memory·Peripheral·Circular Mode
- 46저전력 모드 분석 — Sleep·Stop·Standby·Wake-up Source
- 47IWDG·WWDG 워치독 구현 — Independent vs Window 비교
- 48임베디드 Flash 프로그래밍 — Erase·Program·Read While Write
- 49DDR 초기화 실패 진단 — Timing·Calibration·Walking Bit Test
- 50PWM 출력 실전 — LED 밝기·모터 속도 제어
- 51DC 모터 제어 — H-Bridge·PWM Duty·Encoder Feedback
- 52스테퍼 모터 제어 — Full Step·Half Step·Microstepping
- 53서보 모터 제어 — PWM 1ms~2ms·Closed Loop·PID
- 54Character LCD 제어 — HD44780·4-bit Mode·Custom Char
- 55SPI OLED 제어 — SSD1306·Frame Buffer·Page 단위 갱신
- 56TFT 디스플레이 구동 — RGB565·FSMC·LTDC·DMA2D
- 57환경 센서 활용 — BME280 온습압·SHT3x·BMP180 비교
- 58IMU 센서 활용 — MPU6050·LSM6DSO·Sensor Fusion
- 59CAN 통신 구현 — bxCAN·Filter·Mailbox·CAN-FD
- 60USB Device 기초 — Descriptor·Enumeration·Endpoint·HID/CDC
- 61Ethernet MAC+PHY 통합 — RMII·lwIP·DMA Descriptor
- 62SD Card + FatFs 구현 — SPI/SDIO 모드·CSD/CID·Wear
- 63RTC 활용 — Calendar·Alarm·Wake-up Timer·Backup Domain
- 64RTOS 도입 결정 분석 — Super Loop vs RTOS 트레이드오프
- 65RTOS Task 설계 패턴 — 우선순위·스택·State Machine
- 66RTOS Scheduler 동작 분석 — Tick·Context Switch·Yield
- 67RTOS Semaphore 활용 — Binary·Counting·ISR Give
- 68RTOS Mutex 활용 — Recursive·Priority Inheritance 적용
- 69RTOS Queue 활용 — By-Value·By-Reference·Timeout 패턴
- 70RTOS Event Group 활용 — Bit Wait·Sync·Notify
- 71RTOS Software Timer 활용 — One-shot·Auto-reload·Daemon Task
- 72ISR-Safe API 설계 — Reentrant·Atomic·Defer 패턴
- 73Priority Inversion 진단·예방 — Mars Pathfinder Lesson 추적
- 74Timer Wheel 분석 — Hashed·Hierarchical·O(1) Tick
- 75RTOS 디버깅 기법 — Tracealyzer·SystemView·Stack 추적
- 76임베디드 Linux 부팅 흐름 분석 — BootROM·U-Boot·Kernel·init
- 77U-Boot 활용 — bootcmd·env·tftp·boot.scr 분석
- 78Device Tree 실전 — DTS·DTB·Overlay·Phandle 추적
- 79Device Tree Overlay 적용 — Runtime fragment·dtoverlay
- 80임베디드 커널 빌드 — defconfig·menuconfig·Image·zImage
- 81커널 모듈 기초 — init/exit·Parameter·KBuild·DKMS
- 82캐릭터 드라이버 작성 — file_operations·cdev·register_chrdev
- 83Platform 드라이버 작성 — probe·remove·of_match·DT 바인딩
- 84mmap 4가지 모드 — Anonymous·File·Shared·Huge Page
- 85epoll 실전 — LT·ET·ONESHOT·EXCLUSIVE 비교
- 86UIO·VFIO 분석 — User-Space Driver와 IOMMU 격리
- 87sysfs·configfs 활용 — kobject 기반 User 인터페이스
- 88IRQ Affinity 튜닝 — smp_affinity·isolcpus·irqbalance
- 89루트 파일시스템 구축 — Buildroot 기초·Package·Toolchain
- 90임베디드 동적 메모리 — malloc 위험·결정성·대안 분석
- 91메모리 정렬과 패딩 분석 — Natural·Strict Alignment·Trap
- 92Cache Line Alignment — alignas·Padding·SoA 적용
- 93DMA-Friendly Allocator — dma_alloc_coherent·IOMMU·Pool
- 94Zero-Copy Pipeline — DMA-BUF·sendfile·io_uring·splice
- 95NUMA Memory Topology — numactl·numa_alloc·HBM 적용
- 96SIMD 활용 분석 — Intrinsics·Auto-Vectorization·OpenMP SIMD
- 97ARM NEON 심화 — Matrix Multiply·FFT·Image Filter 적용
- 98임베디드 스택 분석 — high-water·overflow 탐지
- 99임베디드 코드 크기 최적화 — -Os·LTO·Section Garbage Collection
- 100임베디드 전력 최적화 — Sleep Mode·Clock Gating·DVFS
- 101WCET 분석 기법 — Static·Measurement·Hybrid 방법론
- 102Lock-Free Ring Buffer 구현 — SPSC·Power-of-2·Memory Order
- 103Wait-Free Signaling — Atomic Flag·Sequence·Latest-Value
- 104RCU (Read-Copy-Update) 기초 — Quiescent State·Grace Period
- 105Hazard Pointer 분석 — Lock-Free Memory Reclamation
- 106Compare-And-Swap 패턴 — Stack·Counter·Linked List 적용
- 107Atomic Operation 비용 분석 — Fence·Cache Line·Contention
- 108Spinlock vs Mutex 결정 가이드 — Context Switch·Hold Time
- 109ABA 문제 회피 — Tagged Pointer·Hazard·Generation Counter
- 110False Sharing 해결 — Cache Line Padding·SoA 적용
- 111MPMC Queue 구현 — Multi-producer Multi-consumer Lock-Free
- 112임베디드 디버깅 마인드셋 — 가설·격리·재현·이분탐색
- 113JTAG·SWD 안 붙을 때 — 핀·전압·속도·세션 진단
- 114GDB 원격 디버깅 — OpenOCD·J-Link·target remote 구성
- 115Cortex-M 하드폴트 분석 — Stacked Frame·CFSR 읽기
- 116UART 안 찍힐 때 — Bare-metal 체크리스트
- 117임베디드 부팅 실패 진단 — 단계별 Isolation
- 118인터럽트 누락·중복 진단 — Priority·Pending·Re-entry 추적
- 119메모리 오버플로우·오염 진단 — Canary·MPU·Pattern 분석
- 120타이밍·Race 진단 — Heisenbug 잡는 법
- 121통신 프로토콜 분석 — Logic Analyzer와 Protocol Decoder
- 122임베디드 로깅 시스템 설계 — 레벨·버퍼·SWO·Deferred
- 123임베디드 포스트모템 분석 — Core Dump와 Field Crash
- 124FPGA 기초 분석 — LUT·FF·BRAM·DSP 자원 구조
- 125Vivado 사용법 — Project·Constraint·Synth·Impl·Bitstream
- 126PCIe BAR 매핑 분석 — Config Space·Enumeration·MMIO 접근
- 127AXI 인터페이스 — AXI4·AXI4-Lite·AXI-Stream 비교
- 128Zynq PS-PL 통신 — GP·HP·ACP 인터페이스 선택
- 129Mailbox Protocol 분석 — Host와 Accelerator를 잇는 Doorbell
- 130Command Queue·Submission Queue — NVMe·XDMA 공통 패턴
- 131DMA Completion 메커니즘 — Interrupt·Polling·Completion Ring
- 132PCIe Streaming 분석 — BAR Type·MSI-X·Kernel Bypass
- 133Vitis HLS 분석 — Pragma·Pipeline II·Dataflow 실전 감각
- 134HLS 최적화 기법 — Pipeline·Unroll·Partition·Dataflow
- 135Vitis AI 분석 — DPU·xmodel·VART
- 136OpenCL on FPGA — Kernel·Channel·Burst Memory 분석
- 137Intel Quartus 사용법 — Platform Designer·Nios II·HLS
- 138Edge Inference 분석 — Cloud vs Edge·Latency·Privacy
- 139NPU 아키텍처 분석 — Ethos·Hexagon·Systolic Array 비교
- 140딥러닝 Quantization 분석 — PTQ·QAT·INT8·INT4·Calibration
- 141TensorRT 분석 — ONNX→Engine·FP16·INT8·DLA·Multi-Stream
- 142TFLite Micro 분석 — Op Resolver·Tensor Arena·Cortex-M
- 143ONNX Runtime 분석 — Execution Provider와 Cross-Platform 배포
- 144Edge Thermal Management — Throttling·DVFS·Fan Curve·Sustained
- 145NVIDIA Jetson 분석 — Nano·Xavier·Orin·Thor·JetPack·DLA·VPI
- 146Zero-Copy Camera Pipeline — V4L2·DMA-BUF·GPU Import·NPU 직결
- 147온디바이스 LLM 추론 — llama.cpp·GGUF·MLX·KV Cache·NPU Backend
- 148Cortex-M33 TF-M·TrustZone — Secure Firmware·PSA·MCUboot
- 149Matter·Thread 분석 — IoT 통합 표준·Commissioning·Multi-Fabric
- 150PCIe → CXL 진화 — 같은 PHY 위 cache-coherent 프로토콜 추가
- 151QEMU CXL Type 3 디바이스 에뮬레이션 — 노트북에서 CXL 개발 환경 구축
- 152Linux CXL 드라이버 분석 — cxl_pci·cxl_core·region·DAX
관련 글
Compare-And-Swap 패턴 — Stack·Counter·Linked List 적용
CAS loop, strong과 weak CAS, ABA 회피, exponential backoff, spurious failure까지 CAS 사용의 표준 패턴을 정리합니다.
MPMC Queue 구현 — Multi-producer Multi-consumer Lock-Free
MPMC와 SPSC 차이, Vyukov 큐, Disruptor의 ring과 sequence, bounded와 unbounded 비교를 실측과 함께 정리합니다.
False Sharing 해결 — Cache Line Padding·SoA 적용
False sharing의 원리와 영향, perf c2c 감지, alignas(64) padding, per-CPU 변수, thread-local까지 해결 전략을 정리합니다.