关于自然对齐
1. 首先什么是cache line? cache line就是处理器从RAM load/store数据到CPU cache所使用的数据线。
2. 什么是对齐：有些人说，address of data % sizeof(data type)==0 就是对齐，其实这不准确，全面的理解它必须从CPU为什么需要对齐，不对齐就会造成数据访问花费额外的时钟周期，和额外的指令(编译器或OS附加的)，并且数据经过更长的路径，比如pipeline才能到达CPU（从RAM）。这就是对齐问题。这里的重点是 数据的起始地址 & 数据的大小。
P4极其之后的处理器，cache line(缓存线)宽度是64字节，
1. 内存的访问如果没有按照64字节边界对齐（例如：每次访问 -读/写在Addr%64!=0就是没对齐），就可能会造成两次cache line split内存访问，和多个upos的执行。
所以一个原则就是，总是对齐数据在操作数大小的地址边界（按照操作数自身的大小进行对齐），如果内存被访问通过矢量指令(解指针引用的内存访问，如， mov ecx, DWORD PTR [ebx], 或 st4 [r8]=r9 (这是IA64指令)。这样的访问不会超过16字节（80位浮点数，或128位long long，在64位系统），那么在16字节边界对齐总是没问题的。是否所有长度的数据都要对齐在16字节，如果，char 和char连着排放，那么岂不是要加15个padding字节？太过浪费，所以，用数学的办法，只要能保证对齐在16字节边界就行。
所以引入自然对齐的概念：（对于下面的，可以这样来理解：按照这些规则进行对齐的话，就可以保证内存的一次访问都在64字节的cache line的宽度之内）
a. 1字节数据可以在任何位置开始访问(对齐在任何地址)
b. 2字节数据的开始地址必须包含在一个对齐的4字节之内。
c. 4字节数据的开始地址是4的倍数，(按4字节对齐)
d. 8字节数据的开始地址是8的倍数，(按8字节对齐)
e. 10字节浮点数据的开始地址是16的倍数，(按16字节对齐)
f. 16字节数据的开始地址是16的倍数，(按16字节对齐)
整数的访问不能跨越8字节边界，就是说整数必须是<=8字节进行对齐（1，2，4，8）
任何数据类型访问不能跨越16字节边界，就是说必须是<=16字节进行对齐（1，2，4，8，16）
一个64字节或更大的数据结构或数组的开始地址应该按照64字节边界对齐，数据成员按照每个成员的size从大到小排列，是一个有助于自然对齐的启发性方法。只要按照上面的自然对齐，就可以容易的保证一次数据访问不穿越16/64字节边界。反过来，只要能保证不穿越16/64字节边界，就不需要使用自然对齐。（通常我们没法保证访问数据不穿越16/64字节边界，内存地址分配不由我们控制）
2. 一次访问如果穿越64字节边界可能极大降低性能，pipelines（管线）越长，代价越大。
3. 双精度浮点数作为操作数时，8字节对齐的访问比非8字节对齐有更好的性能。
Itanium 2的cache组织:
处理器高速缓存被组织为一个表，行对应于cache line中的数据，内存中的数据将被存储于哪一行由内存单元地址的最末6位决定（处理器简单的将这6位归零后，作为行索引），为什么是6位呢？因为Itanium 2 L1D 的cache line的宽度是64字节，也就是说一个cache line一次可以访问(load/store)64字节的内存单位，对于地址就是低6位不变，第7位+1的地址范围的数据。每64字节数据，按照同一列，新行顺序存放，这个表的列叫做"associativity"。一般来说，因为cache不足以存放所有的数据，新数据请求将会导致覆盖旧数据，为了高效管理cache，每一列的所有行组成"associative"集。列数越多，替换的准确性越高（可以理解为有更少的可能性替换当前正在使用的数据），越有效。Itanium 2 L1有4-Way associative set, 每way 64字节line宽度，所以行数就是(cache size=16KB)/(4*64)=64行，所以，内存地址的从低到高的第7位开始，到第12位，用于索引行，用于访问数据。所以Itanium 2的每way(associative set,每列)有64个cache line,并且涵盖4K字节数据，所以访问不穿越4K边界的数据，将会保证在一个associative set中，将会极大提高内存访问效率。见下图：
不得不说，处理器的这种设计,4Kbytes/1way,不正好符合OS虚拟内存管理中，页大小为4K。这样OS的每次虚拟内存访问，和处理器对内存的访问正好是一致的
，RAM<->Cache 都是4K。
关于Itanium2的数据对齐要求
Itanium2也遵循上面的自然对齐方式，如果(Processor Status Register)PSR.ac=1,所有的未对齐的内存访问将会引发UDRf(Unaligned Data Reference fault)，Unix（如linux ia64, and HPUX ia64）,将会表现为sig 10, bus error。IA32模式将会表现为IA_32_Exception(AlignmentCheck) fault，对齐的内存访问则不会。 如果PSR.ac=0, 则访问未对齐的数据，可能会也可能不会引发UDRf。这是执行的自定行为。（注：这里的执行表示OS）
1. 如果数据单元访问跨越4K边界，那么一定会引发UDRf。这是必须行为。
2. 某些执行将会在跨越cache line边界(64字节)时引发UDRf。这是执行的自定行为。
3. 执行可以自定在某种未自然对齐的情况下，引发UDRf。
4. 如果ia32模式，PSR.ac=0，并且Alignment Check被禁用，那么任何未对齐都会被忽略。不会有UDRf。
semaphore指令从不考虑PSR.ac标志，只要未对齐引用发生，就会引发UDRf。对于cmp8xchg16指令，必须是8字节对齐
HPUX如何处理对齐问题：
(一般编译器会默认按照 min(8字节,数据类型)，即自然对齐的方式，处理对齐问题，分配到指定的内存边界)
1. 编译器指令：#pragma align N （N=1,2,4,8,16）
该指令影响随后的一条定义语句，如char a; 将导致a 分配在在N字节边界地址
2. #pragma pack N 将影响范围扩大到从它开始到文件结束。再用一次不带参数#pragma pack，将复位到默认对齐。
3. #pragma unalign N将影响随后的一个typedef，如 typedef int int_align_n; 将导致之后用int_align_n定义的数据对齐在N字节边界。
4. 取某数据地址，然后运行时cast后付给一个指针变量，将会导致未对齐的访问。因为编译器没有为这种情况使用特定的非对齐访问指令。
前面这些指令都会导致数据的存储变成非自然对齐，访问时就可能会引发UDRf或Alignment check failed. 可能会导致程序终止用bus error。视OS平台/执行不同而不同（看上面这段有描述）。
如何避免非对齐的数据访问crash呢？
1. 不要使用非自然对齐的与编译指令，或指针dereference.
2. HPUX aCC编译器+unum（如+u1）可以让编译器产生非对齐，1字节进行dereference load/store的指令，避免UDRf或Alignment check failed错。但会显著降低程序效率。
3. HPUX aCC链接器-lunalign (ia64架构)选项或-lhppa （pa-risc架构）。它会链接一段代码，包含一个函数allow_unaligned_data_access()，调用这个函数将安装一个sig handler，处理sig 10(其实安全的忽略它，访问数据没有问题)，降低效率是必然的。
自然对齐的方式最容易被碰到，在HPUX IA64平台。莫名其妙你的程序会bus error 然后终止，就是说你该考虑一下你的数据对齐问题了。:-)