L1과 L2 같은 캐시는 물리 코어에 종속되어 있어 모든 논리 코어가 공유할 수 없음

→ 이런 특성은 동시성과 거짓 공유 등에 영향을 끼침

type Input struct {
    a int64
    b int64
}

type Result struct {
    sumA int64
    sumB int64
}

// Input 배열을 받아서 Input.a의 합을 Result.sumA에, Input.b의 합을 Result.sumB에 저장하는 기능
func count(inputs []Input) Result {
    wg := sync.WaitGroup{}
    wg.Add(2)

    result := Result{}
    
    // 두 개의 고루틴을 사용해 각각 sumA와 sumB를 계산
    go func() {
        for i := 0; i < len(inputs); i++ {
            result.sumA += inputs[i].a
        }
        wg.Done()
    }()

    go func() {
        for i := 0; i < len(inputs); i++ {
            result.sumB += inputs[i].b
        }
        wg.Done()
    }()

    wg.Wait()
    return result
}

• 우ㅣ코드는 동시에 두 변수를 계산하기 때문에 동시성 측면에서는 문제가 없으나 성능 저하를 일으키는 false sharing 문제가 발생함

거짓 공유란?

• sumA와 sumB는 메모리상에서 연속적으로 배치되기 때문에, 이 두 값은 같은 캐시 라인에 저장될 가능성이 높음

• 두 개의 CPU 코어가 있을 때, sumA와 sumB가 포함된 메모리 블록이 각각의 캐시로 복사됨

  각 코어에서 고루틴이 독립적으로 sumA와 sumB를 업데이트하지만, 캐시 라인 단위로 동기화를 해야 하므로 캐시 라인이 무효화돼 성능 저하가 발생

  ⇒ 변수가 독립적으로 사용되는 것처럼 보이지만, 실제로는 같은 캐시 라인에 있기 때문에 CPU는 두 변수를 하나로 묶어 동기화를 처리

해결 방법

1. 패딩추가

   type Result struct {
       sumA int64
       _    [56]byte // Padding
       sumB int64
   }=[-
   

   • sumA와 sumB는 다른 캐시 라인에 들어가게 되어 성능 개선 가능

2. 채널을 사용한 구조 변경

   • 다른 방법은 고루틴들이 공유 메모리를 사용하지 않고, 각각의 계산 결과를 채널을 통해 전달