C++ Cache Optimization | 캐시 친화적 코드·False Sharing 방지 완벽 정리
이 글의 핵심
C++ 캐시 최적화: 공간 지역성, 시간 지역성, False Sharing 방지, AoS vs SoA, 프리페칭, 블록 처리를 실전 예제와 함께 정리합니다.
들어가며
CPU 캐시는 메모리와 CPU 사이의 속도 차이를 메우는 핵심 요소입니다. 캐시 친화적인 코드를 작성하면 캐시 히트율을 높여 성능을 크게 개선할 수 있습니다.
이 글을 읽으면
- 공간 지역성, 시간 지역성으로 캐시 히트율을 높입니다
- False Sharing을 방지해 멀티스레드 성능을 개선합니다
- AoS vs SoA, 블록 처리, 프리페칭 등 고급 패턴을 익힙니다
- 실무에서 자주 쓰이는 캐시 최적화 기법을 구현합니다
캐시 기본 개념
캐시 계층 구조
| 캐시 | 크기 | 지연 시간 | 대역폭 |
|---|---|---|---|
| L1 | 32-64 KB | 1-2 cycles | 가장 빠름 |
| L2 | 256-512 KB | 10-20 cycles | 빠름 |
| L3 | 8-32 MB | 40-75 cycles | 중간 |
| 메모리 | 8-64 GB | 200+ cycles | 느림 |
지역성 원리
- 공간 지역성 (Spatial Locality)
- 인접한 메모리를 연속으로 접근
- 예: 배열 순차 순회
- 시간 지역성 (Temporal Locality)
- 최근에 접근한 메모리를 다시 접근
- 예: 루프 안의 변수
캐시 라인
- 일반적으로 64 bytes
- 캐시는 라인 단위로 로드
- 연속된 데이터는 한 번에 로드됨
실전 구현
1) 공간 지역성 - 행렬 순회
나쁜 예: 열 우선 (비연속)
#include <vector>
#include <chrono>
#include <iostream>
int main() {
const int rows = 1000;
const int cols = 1000;
std::vector<std::vector<int>> matrix(rows, std::vector<int>(cols, 1));
auto start = std::chrono::high_resolution_clock::now();
int sum = 0;
for (int j = 0; j < cols; ++j) {
for (int i = 0; i < rows; ++i) {
sum += matrix[i][j]; // 열 우선 (캐시 미스)
}
}
auto end = std::chrono::high_resolution_clock::now();
auto duration = std::chrono::duration_cast<std::chrono::milliseconds>(end - start).count();
std::cout << "열 우선: " << duration << "ms" << std::endl;
// 약 50ms
return 0;
}좋은 예: 행 우선 (연속)
int main() {
const int rows = 1000;
const int cols = 1000;
std::vector<std::vector<int>> matrix(rows, std::vector<int>(cols, 1));
auto start = std::chrono::high_resolution_clock::now();
int sum = 0;
for (int i = 0; i < rows; ++i) {
for (int j = 0; j < cols; ++j) {
sum += matrix[i][j]; // 행 우선 (캐시 히트)
}
}
auto end = std::chrono::high_resolution_clock::now();
auto duration = std::chrono::duration_cast<std::chrono::milliseconds>(end - start).count();
std::cout << "행 우선: " << duration << "ms" << std::endl;
// 약 10ms (5배 빠름)
return 0;
}2) False Sharing 방지
문제 코드
#include <atomic>
#include <thread>
#include <vector>
#include <chrono>
#include <iostream>
struct Counters {
std::atomic<int> counter1; // 0-3 bytes
std::atomic<int> counter2; // 4-7 bytes
}; // 같은 캐시 라인
int main() {
Counters counters;
auto start = std::chrono::high_resolution_clock::now();
std::thread t1([&]() {
for (int i = 0; i < 10000000; ++i) {
counters.counter1++;
}
});
std::thread t2([&]() {
for (int i = 0; i < 10000000; ++i) {
counters.counter2++;
}
});
t1.join();
t2.join();
auto end = std::chrono::high_resolution_clock::now();
auto duration = std::chrono::duration_cast<std::chrono::milliseconds>(end - start).count();
std::cout << "False Sharing: " << duration << "ms" << std::endl;
// 약 500ms
return 0;
}해결 코드
struct CountersAligned {
alignas(64) std::atomic<int> counter1;
alignas(64) std::atomic<int> counter2;
}; // 다른 캐시 라인
int main() {
CountersAligned counters;
auto start = std::chrono::high_resolution_clock::now();
std::thread t1([&]() {
for (int i = 0; i < 10000000; ++i) {
counters.counter1++;
}
});
std::thread t2([&]() {
for (int i = 0; i < 10000000; ++i) {
counters.counter2++;
}
});
t1.join();
t2.join();
auto end = std::chrono::high_resolution_clock::now();
auto duration = std::chrono::duration_cast<std::chrono::milliseconds>(end - start).count();
std::cout << "No False Sharing: " << duration << "ms" << std::endl;
// 약 150ms (3배 개선)
return 0;
}3) AoS vs SoA
AoS (Array of Structures)
struct Particle {
float x, y, z;
float vx, vy, vz;
};
std::vector<Particle> particles(10000);
// 위치 업데이트
for (auto& p : particles) {
p.x += p.vx; // x와 vx가 멀리 떨어짐 (캐시 미스)
}SoA (Structure of Arrays)
struct Particles {
std::vector<float> x, y, z;
std::vector<float> vx, vy, vz;
};
Particles particles;
particles.x.resize(10000);
particles.vx.resize(10000);
// 위치 업데이트
for (size_t i = 0; i < particles.x.size(); ++i) {
particles.x[i] += particles.vx[i]; // 연속 접근 (캐시 히트)
}성능: SoA가 2-3배 빠름
4) 블록 처리 (Tiling)
행렬 곱셈
#include <vector>
#include <algorithm>
#include <chrono>
#include <iostream>
void matmul_naive(const std::vector<std::vector<int>>& A,
const std::vector<std::vector<int>>& B,
std::vector<std::vector<int>>& C,
int n) {
for (int i = 0; i < n; ++i) {
for (int j = 0; j < n; ++j) {
for (int k = 0; k < n; ++k) {
C[i][j] += A[i][k] * B[k][j]; // B 열 접근 (캐시 미스)
}
}
}
}
void matmul_blocked(const std::vector<std::vector<int>>& A,
const std::vector<std::vector<int>>& B,
std::vector<std::vector<int>>& C,
int n, int blockSize) {
for (int i = 0; i < n; i += blockSize) {
for (int j = 0; j < n; j += blockSize) {
for (int k = 0; k < n; k += blockSize) {
for (int ii = i; ii < std::min(i + blockSize, n); ++ii) {
for (int jj = j; jj < std::min(j + blockSize, n); ++jj) {
for (int kk = k; kk < std::min(k + blockSize, n); ++kk) {
C[ii][jj] += A[ii][kk] * B[kk][jj];
}
}
}
}
}
}
}
int main() {
const int n = 512;
std::vector<std::vector<int>> A(n, std::vector<int>(n, 1));
std::vector<std::vector<int>> B(n, std::vector<int>(n, 1));
std::vector<std::vector<int>> C1(n, std::vector<int>(n, 0));
std::vector<std::vector<int>> C2(n, std::vector<int>(n, 0));
auto start1 = std::chrono::high_resolution_clock::now();
matmul_naive(A, B, C1, n);
auto end1 = std::chrono::high_resolution_clock::now();
auto time1 = std::chrono::duration_cast<std::chrono::milliseconds>(end1 - start1).count();
auto start2 = std::chrono::high_resolution_clock::now();
matmul_blocked(A, B, C2, n, 64);
auto end2 = std::chrono::high_resolution_clock::now();
auto time2 = std::chrono::duration_cast<std::chrono::milliseconds>(end2 - start2).count();
std::cout << "Naive: " << time1 << "ms" << std::endl;
std::cout << "Blocked: " << time2 << "ms" << std::endl;
return 0;
}5) 프리페칭
#include <xmmintrin.h>
#include <vector>
#include <chrono>
#include <iostream>
void processWithoutPrefetch(std::vector<int>& data) {
for (size_t i = 0; i < data.size(); ++i) {
data[i] = data[i] * 2;
}
}
void processWithPrefetch(std::vector<int>& data) {
constexpr int prefetchDistance = 64;
for (size_t i = 0; i < data.size(); ++i) {
if (i + prefetchDistance < data.size()) {
_mm_prefetch(&data[i + prefetchDistance], _MM_HINT_T0);
}
data[i] = data[i] * 2;
}
}
int main() {
std::vector<int> data1(10000000, 1);
std::vector<int> data2(10000000, 1);
auto start1 = std::chrono::high_resolution_clock::now();
processWithoutPrefetch(data1);
auto end1 = std::chrono::high_resolution_clock::now();
auto time1 = std::chrono::duration_cast<std::chrono::milliseconds>(end1 - start1).count();
auto start2 = std::chrono::high_resolution_clock::now();
processWithPrefetch(data2);
auto end2 = std::chrono::high_resolution_clock::now();
auto time2 = std::chrono::duration_cast<std::chrono::milliseconds>(end2 - start2).count();
std::cout << "Without Prefetch: " << time1 << "ms" << std::endl;
std::cout << "With Prefetch: " << time2 << "ms" << std::endl;
return 0;
}고급 활용
1) 캐시 라인 정렬
#include <iostream>
constexpr size_t CACHE_LINE_SIZE = 64;
// 캐시 라인 정렬
alignas(CACHE_LINE_SIZE) int data[16];
int main() {
std::cout << "주소: " << (uintptr_t)data << std::endl;
// 64의 배수
return 0;
}2) 구조체 최적화
// ❌ 캐시 라인 분할
struct Bad {
char a; // 1 byte
// 3 bytes padding
int b; // 4 bytes
// 4 bytes padding
long d; // 8 bytes
}; // 24 bytes
// ✅ 정렬
struct Good {
long d; // 8 bytes
int b; // 4 bytes
char a; // 1 byte
// 3 bytes padding
}; // 16 bytes
int main() {
std::cout << "Bad: " << sizeof(Bad) << std::endl; // 24
std::cout << "Good: " << sizeof(Good) << std::endl; // 16
return 0;
}3) 캐시 친화적 순회
#include <vector>
#include <chrono>
#include <iostream>
int main() {
const int n = 10000;
std::vector<int> data(n, 1);
// ✅ 순차 접근
auto start1 = std::chrono::high_resolution_clock::now();
int sum1 = 0;
for (int i = 0; i < n; ++i) {
sum1 += data[i];
}
auto end1 = std::chrono::high_resolution_clock::now();
auto time1 = std::chrono::duration_cast<std::chrono::microseconds>(end1 - start1).count();
// ❌ 큰 스트라이드
auto start2 = std::chrono::high_resolution_clock::now();
int sum2 = 0;
for (int i = 0; i < n; i += 100) {
sum2 += data[i];
}
auto end2 = std::chrono::high_resolution_clock::now();
auto time2 = std::chrono::duration_cast<std::chrono::microseconds>(end2 - start2).count();
std::cout << "순차: " << time1 << "us" << std::endl;
std::cout << "스트라이드: " << time2 << "us" << std::endl;
return 0;
}성능 비교
행렬 순회 비교
테스트: 1000x1000 행렬
| 순회 방식 | 시간 | 배속 |
|---|---|---|
| 행 우선 (연속) | 10ms | 5x |
| 열 우선 (비연속) | 50ms | 1x |
| 결론: 행 우선이 5배 빠름 |
False Sharing 비교
테스트: 2개 스레드, 각 1천만 번 증가
| 구조 | 시간 | 배속 |
|---|---|---|
| False Sharing | 500ms | 1x |
| 캐시 라인 분리 | 150ms | 3.3x |
| 결론: 캐시 라인 분리로 3배 개선 |
AoS vs SoA 비교
테스트: 10,000개 파티클 위치 업데이트
| 구조 | 시간 | 배속 |
|---|---|---|
| AoS | 150us | 1x |
| SoA | 50us | 3x |
| 결론: SoA가 3배 빠름 |
실무 사례
사례 1: 게임 엔진 - 파티클 시스템
#include <vector>
#include <chrono>
#include <iostream>
// SoA 구조
struct ParticleSystem {
std::vector<float> x, y, z;
std::vector<float> vx, vy, vz;
std::vector<float> lifetime;
void update(float dt) {
for (size_t i = 0; i < x.size(); ++i) {
x[i] += vx[i] * dt;
y[i] += vy[i] * dt;
z[i] += vz[i] * dt;
lifetime[i] -= dt;
}
}
};
int main() {
ParticleSystem ps;
ps.x.resize(100000, 0.0f);
ps.y.resize(100000, 0.0f);
ps.z.resize(100000, 0.0f);
ps.vx.resize(100000, 1.0f);
ps.vy.resize(100000, 1.0f);
ps.vz.resize(100000, 1.0f);
ps.lifetime.resize(100000, 10.0f);
auto start = std::chrono::high_resolution_clock::now();
ps.update(0.016f);
auto end = std::chrono::high_resolution_clock::now();
auto duration = std::chrono::duration_cast<std::chrono::microseconds>(end - start).count();
std::cout << "업데이트: " << duration << "us" << std::endl;
return 0;
}사례 2: 데이터베이스 - 인덱스 스캔
#include <vector>
#include <algorithm>
#include <chrono>
#include <iostream>
struct Record {
int id;
int value;
};
// ❌ 전체 레코드 로드
void scanFull(const std::vector<Record>& records) {
int sum = 0;
for (const auto& rec : records) {
if (rec.value > 100) {
sum += rec.value;
}
}
}
// ✅ 인덱스만 스캔
void scanIndex(const std::vector<int>& values, const std::vector<int>& ids) {
int sum = 0;
for (size_t i = 0; i < values.size(); ++i) {
if (values[i] > 100) {
sum += values[i];
}
}
}
int main() {
const int n = 1000000;
std::vector<Record> records(n);
std::vector<int> values(n);
std::vector<int> ids(n);
for (int i = 0; i < n; ++i) {
records[i] = {i, i % 200};
values[i] = i % 200;
ids[i] = i;
}
auto start1 = std::chrono::high_resolution_clock::now();
scanFull(records);
auto end1 = std::chrono::high_resolution_clock::now();
auto time1 = std::chrono::duration_cast<std::chrono::milliseconds>(end1 - start1).count();
auto start2 = std::chrono::high_resolution_clock::now();
scanIndex(values, ids);
auto end2 = std::chrono::high_resolution_clock::now();
auto time2 = std::chrono::duration_cast<std::chrono::milliseconds>(end2 - start2).count();
std::cout << "Full: " << time1 << "ms" << std::endl;
std::cout << "Index: " << time2 << "ms" << std::endl;
return 0;
}사례 3: 머신러닝 - 행렬 연산
#include <vector>
#include <chrono>
#include <iostream>
void matmul_blocked_optimized(const std::vector<std::vector<float>>& A,
const std::vector<std::vector<float>>& B,
std::vector<std::vector<float>>& C,
int n, int blockSize) {
for (int i = 0; i < n; i += blockSize) {
for (int j = 0; j < n; j += blockSize) {
for (int k = 0; k < n; k += blockSize) {
for (int ii = i; ii < std::min(i + blockSize, n); ++ii) {
for (int kk = k; kk < std::min(k + blockSize, n); ++kk) {
float a = A[ii][kk];
for (int jj = j; jj < std::min(j + blockSize, n); ++jj) {
C[ii][jj] += a * B[kk][jj];
}
}
}
}
}
}
}
int main() {
const int n = 512;
std::vector<std::vector<float>> A(n, std::vector<float>(n, 1.0f));
std::vector<std::vector<float>> B(n, std::vector<float>(n, 1.0f));
std::vector<std::vector<float>> C(n, std::vector<float>(n, 0.0f));
auto start = std::chrono::high_resolution_clock::now();
matmul_blocked_optimized(A, B, C, n, 64);
auto end = std::chrono::high_resolution_clock::now();
auto duration = std::chrono::duration_cast<std::chrono::milliseconds>(end - start).count();
std::cout << "시간: " << duration << "ms" << std::endl;
return 0;
}트러블슈팅
문제 1: 캐시 미스 진단
증상: 성능이 예상보다 느림
# Linux: perf로 캐시 미스 측정
perf stat -e cache-misses,cache-references ./program
# 출력:
# 1,234,567 cache-misses
# 10,000,000 cache-references
# 12.3% cache miss rate해결: 순차 접근, SoA 구조로 변경
문제 2: False Sharing 진단
증상: 멀티스레드 성능이 기대보다 낮음
# Linux: perf로 False Sharing 측정
perf c2c record ./program
perf c2c report해결: alignas(64) 또는 패딩 추가
문제 3: 큰 스트라이드
증상: 배열 순회가 느림
// ❌ 큰 스트라이드
for (int i = 0; i < n; i += 1000) {
process(data[i]); // 캐시 미스
}
// ✅ 작은 스트라이드
for (int i = 0; i < n; ++i) {
process(data[i]); // 캐시 히트
}문제 4: 포인터 체이싱
증상: 링크드 리스트 순회가 느림
// ❌ 포인터 체이싱 (캐시 미스)
struct Node {
int value;
Node* next;
};
int sum = 0;
Node* current = head;
while (current) {
sum += current->value;
current = current->next; // 캐시 미스
}
// ✅ 배열 사용
std::vector<int> values;
int sum = std::accumulate(values.begin(), values.end(), 0);마무리
C++ 캐시 최적화는 성능을 크게 개선할 수 있는 핵심 기법입니다.
핵심 요약
- 공간 지역성
- 연속 메모리 순차 접근
- 행 우선 순회
- 시간 지역성
- 최근 접근한 데이터 재사용
- 루프 안의 변수
- False Sharing 방지
alignas(64)사용- 캐시 라인 분리
- AoS vs SoA
- SoA가 캐시 친화적
- 게임, 시뮬레이션에 유리
- 블록 처리
- 행렬 연산 최적화
- 캐시에 맞는 블록 크기
최적화 체크리스트
| 기법 | 효과 | 난이도 |
|---|---|---|
| 순차 접근 | 5배 | 낮음 |
| False Sharing 방지 | 3배 | 중간 |
| SoA 구조 | 3배 | 중간 |
| 블록 처리 | 2-5배 | 높음 |
| 프리페칭 | 1.5배 | 중간 |
코드 예제 치트시트
// 순차 접근
for (int i = 0; i < n; ++i) { /* ....*/ }
// False Sharing 방지
alignas(64) std::atomic<int> counter;
// SoA
struct { std::vector<float> x, y, z; };
// 블록 처리
for (int i = 0; i < n; i += blockSize) { /* ....*/ }
// 프리페칭
_mm_prefetch(&data[i + 64], _MM_HINT_T0);다음 단계
- 메모리 정렬: C++ 메모리 정렬
- 캐시 친화적 코드: C++ 캐시 친화적 코드
- 성능 최적화: C++ 성능 최적화
참고 자료
- “What Every Programmer Should Know About Memory” - Ulrich Drepper
- “Optimized C++” - Kurt Guntheroth
- “Computer Architecture: A Quantitative Approach” - Hennessy, Patterson 한 줄 정리: 캐시 최적화는 공간 지역성, False Sharing 방지, SoA 구조로 성능을 3-5배 개선할 수 있다.
심화 부록: 구현·운영 관점
이 부록은 앞선 본문에서 다룬 주제(「C++ Cache Optimization | 캐시 친화적 코드·False Sharing 방지 완벽 정리」)를 구현·런타임·운영 관점에서 다시 압축합니다. 도메인별 세부 구현은 글마다 다르지만, 입력 검증 → 핵심 연산 → 부작용(I/O·네트워크·동시성) → 관측의 흐름으로 장애를 나누면 원인 추적이 빨라집니다.
내부 동작과 핵심 메커니즘
flowchart TD A[입력·요청·이벤트] --> B[파싱·검증·디코딩] B --> C[핵심 연산·상태 전이] C --> D[부작용: I/O·네트워크·동시성] D --> E[결과·관측·저장]
sequenceDiagram participant C as 클라이언트/호출자 participant B as 경계(런타임·게이트웨이·프로세스) participant D as 의존성(API·DB·큐·파일) C->>B: 요청/이벤트 B->>D: 조회·쓰기·RPC D-->>B: 지연·부분 실패·재시도 가능 B-->>C: 응답 또는 오류(코드·상관 ID)
- 불변 조건(Invariant): 버퍼 경계, 프로토콜 상태, 트랜잭션 격리, FD 상한 등 단계별로 문장으로 적어 두면 디버깅 비용이 줄어듭니다.
- 결정성: 순수 층과 시간·네트워크·스케줄에 의존하는 층을 분리해야 테스트와 장애 분석이 쉬워집니다.
- 경계 비용: 직렬화, 인코딩, syscall 횟수, 락 경합, 할당·GC, 캐시 미스를 의심 목록에 둡니다.
- 백프레셔: 생산자가 소비자보다 빠를 때 버퍼·큐·스트림에서 속도를 줄이는 신호를 어디에 둘지 정의합니다.
프로덕션 운영 패턴
| 영역 | 운영 관점 질문 |
|---|---|
| 관측성 | 요청 단위 상관 ID, 에러율·지연 p95/p99, 의존성 타임아웃·재시도가 대시보드에 보이는가 |
| 안전성 | 입력 검증·권한·비밀·감사 로그가 코드 경로마다 일관적인가 |
| 신뢰성 | 재시도는 멱등 연산에만 적용되는가, 서킷 브레이커·백오프·DLQ가 있는가 |
| 성능 | 캐시·배치 크기·커넥션 풀·인덱스·백프레셔가 데이터 규모에 맞는가 |
| 배포 | 롤백 룬북, 카나리/블루그린, 마이그레이션·피처 플래그가 문서화되어 있는가 |
| 용량 | 피크 트래픽·디스크·FD·스레드 풀 상한을 주기적으로 검증하는가 |
스테이징은 데이터 양·네트워크 RTT·동시성을 프로덕션에 가깝게 맞출수록 재현율이 올라갑니다.
확장 예시: 엔드투엔드 미니 시나리오
앞선 본문 주제(「C++ Cache Optimization | 캐시 친화적 코드·False Sharing 방지 완벽 정리」)를 배포·운영 흐름에 맞춰 옮긴 체크리스트입니다. 도메인에 맞게 단계 이름만 바꿔 적용할 수 있습니다.
- 입력 계약 고정: 스키마·버전·최대 페이로드·타임아웃·에러 코드를 경계에 둔다.
- 핵심 경로 계측: 요청 ID, 단계별 지연, 외부 호출 결과 코드를 로그·메트릭·트레이스에서 한 흐름으로 본다.
- 실패 주입: 의존성 타임아웃·5xx·부분 데이터·락 대기를 스테이징에서 재현한다.
- 호환·롤백: 설정/마이그레이션/클라이언트 버전을 되돌릴 수 있는지 확인한다.
- 부하 후 검증: 피크 대비 p95/p99, 에러율, 리소스 상한, 알림 임계값을 점검한다.
handle(request):
ctx = newCorrelationId()
validated = validateSchema(request)
authorize(validated, ctx)
result = domainCore(validated)
persistOrEmit(result, idempotentKey)
recordMetrics(ctx, latency, outcome)
return result문제 해결(Troubleshooting)
| 증상 | 가능 원인 | 조치 |
|---|---|---|
| 간헐적 실패 | 레이스, 타임아웃, 외부 의존성, DNS | 최소 재현 스크립트, 분산 트레이스·로그 상관관계, 재시도·서킷 설정 점검 |
| 성능 저하 | N+1, 동기 I/O, 락 경합, 과도한 직렬화, 캐시 미스 | 프로파일러·APM으로 핫스팟 확인 후 한 가지씩 제거 |
| 메모리 증가 | 캐시 무제한, 구독/리스너 누수, 대용량 버퍼, 커넥션 미반납 | 상한·TTL·힙/FD 스냅샷 비교 |
| 빌드·배포만 실패 | 환경 변수, 권한, 플랫폼 차이, lockfile | CI 로그와 로컬 diff, 런타임·이미지 버전 핀 |
| 설정 불일치 | 프로필·시크릿·기본값, 리전 | 스키마 검증된 설정 단일 소스와 배포 매트릭스 표준화 |
| 데이터 불일치 | 비멱등 재시도, 부분 쓰기, 캐시 무효화 누락 | 멱등 키·아웃박스·트랜잭션 경계 재검토 |
권장 순서: (1) 최소 재현 (2) 최근 변경 범위 축소 (3) 환경·의존성 차이 (4) 관측으로 가설 검증 (5) 수정 후 회귀·부하 테스트.
배포 전에는 git add → git commit → git push 후 npm run deploy 순서를 권장합니다.
자주 묻는 질문 (FAQ)
Q. 이 내용을 실무에서 언제 쓰나요?
A. C++ 캐시 최적화: 공간 지역성, 시간 지역성, False Sharing 방지, AoS vs SoA, 프리페칭, 블록 처리를 실전 예제와 함께 정리합니다. C++·cache·optimization 중심으로 설명합니… 실무에서는 위 본문의 예제와 선택 가이드를 참고해 적용하면 됩니다.
Q. 선행으로 읽으면 좋은 글은?
A. 각 글 하단의 이전 글 또는 관련 글 링크를 따라가면 순서대로 배울 수 있습니다. C++ 시리즈 목차에서 전체 흐름을 확인할 수 있습니다.
Q. 더 깊이 공부하려면?
A. cppreference와 해당 라이브러리 공식 문서를 참고하세요. 글 말미의 참고 자료 링크도 활용하면 좋습니다.
같이 보면 좋은 글 (내부 링크)
이 주제와 연결되는 다른 글입니다.
- C++ Cache Friendly 코드 작성법 | 메모리 접근 패턴으로 성능 10배 향상
- C++ 성능 10배 향상시키는 캐시 최적화 5가지 기법 | 실전 벤치마크
- C++ 캐시 최적화 실전 | 캐시 친화적 구조·프리페치·False Sharing·AoS vs SoA 가이드
이 글에서 다루는 키워드 (관련 검색어)
C++, cache, optimization, performance, memory, False Sharing 등으로 검색하시면 이 글이 도움이 됩니다.