假设我们有一个 64 位 cpu，它总是一次读取 8 个字节的内存，我想存储一个 4 个字节的 int。根据自然对齐的定义，一个 4 字节的对象与一个 4 的倍数的地址对齐（例如 0x0000、0x0004）。但是问题来了，为什么我不能将它存储在地址 0x0001 中？据我了解，由于 CPU 总是会读取 8 个字节的数据，因此从地址 0x0000 读取仍然可以一次性获得存储在 0x0001 的 int。那么，为什么在这种情况下需要自然对齐呢？
【问题讨论】：
现代 CPU（Intel、Arm）很乐意从未对齐的地址中读取数据。 CPU 的架构通常每个周期读取超过 8 个字节：可能是 16 个字节或 32 个字节，并且 CPU 的深层管道可以很好地管理从任意地址提取所需的 8 个字节而没有任何明显的损失。
通常，但并非总是如此，可以编写算法而不用过多关注数组的对齐方式（或二维数组的每一行的开头）。
流水线架构可能一次读取对齐的 16 字节块，这意味着当从地址 0x0009 读取 8 个字节时，CPU 实际上需要读取 2 个 16 字节块，将它们组合并提取中间的 8 个字节。事情变得更加复杂，当内存在一级缓存中不可用时，需要从下一级缓存或主内存中获取 64 字节的完整缓存行。
根据我的经验（为 SIMD 编写和优化图像处理算法），对于具有简单和线性内存访问的算法，许多 Arm64 实现几乎完美地隐藏了从未对齐地址加载的成本。情况变得更糟，如果算法需要从许多未对齐的地址中大量读取，例如在使用 3x3 或更大的内核进行过滤时，或者在计算高基 FFT 时，这表明 CPU 传输内存和组合的能力很快就会耗尽。
【讨论】：