docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,148 @@
|
||||
---
|
||||
id: wiki-2026-0508-memory-hierarchy
|
||||
title: Memory Hierarchy
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [Cache Hierarchy, Memory Pyramid, Storage Hierarchy]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
verification_status: applied
|
||||
tags: [systems, performance, hardware, gpu, cache, memory]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack: { language: c-cpp-cuda, framework: systems }
|
||||
---
|
||||
|
||||
# Memory Hierarchy
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 빠를수록 작고 비싸다"**. Register → L1 → L2 → L3 → DRAM → SSD → 네트워크. 각 단계는 ~10배 느려지고 ~10배 커지며, 최적화는 캐시 친화 코드의 99%다.
|
||||
|
||||
## 매 핵심
|
||||
### 매 계층 (CPU 2026 기준)
|
||||
| 레벨 | 크기 | 지연 | 처리량 |
|
||||
|---|---|---|---|
|
||||
| Register | KB 미만 | <1ns | 수 TB/s |
|
||||
| L1 cache | 32-64 KB/core | ~1ns | 수 TB/s |
|
||||
| L2 cache | 256KB-1MB/core | ~3-5ns | 수백 GB/s |
|
||||
| L3 cache | 32-128MB | ~10-30ns | 수백 GB/s |
|
||||
| DRAM | 64GB-1TB | ~80-100ns | 50-100 GB/s |
|
||||
| NVMe SSD | TB | ~10-100µs | 7-14 GB/s |
|
||||
| Network | ∞ | ms | Gb/s |
|
||||
|
||||
### 매 GPU 계층
|
||||
| 레벨 | 위치 | 특징 |
|
||||
|---|---|---|
|
||||
| Register | 스레드별 | 가장 빠름 |
|
||||
| Shared memory / SMEM | block 내 공유 | ~수십 KB |
|
||||
| L1 / L2 cache | SM/global | 자동 관리 |
|
||||
| HBM (global) | GPU board | A100 80GB, H100 80GB, B100 192GB |
|
||||
| Host RAM | CPU측 | PCIe/NVLink |
|
||||
| NVLink/InfiniBand | GPU 간 | 분산 학습 |
|
||||
|
||||
### 매 원리
|
||||
- **Locality**: temporal (재사용), spatial (인접 접근).
|
||||
- **Cache line**: 64B (CPU), 128B (GPU 트랜잭션).
|
||||
- **Coalescing**: 인접 스레드가 인접 주소 → 한 transaction.
|
||||
- **Bandwidth-bound vs compute-bound**: roofline 모델.
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### Pattern 1 — Cache-friendly loop (row-major)
|
||||
```c
|
||||
for (int i = 0; i < N; i++) // outer
|
||||
for (int j = 0; j < N; j++) // inner — 연속 메모리
|
||||
sum += A[i*N + j];
|
||||
// j와 i 바꾸면 캐시 미스 폭증
|
||||
```
|
||||
|
||||
### Pattern 2 — Tiling (matmul)
|
||||
```c
|
||||
for (int ii=0; ii<N; ii+=TILE)
|
||||
for (int jj=0; jj<N; jj+=TILE)
|
||||
for (int kk=0; kk<N; kk+=TILE)
|
||||
// TILE x TILE 블록을 L1에 보존
|
||||
```
|
||||
|
||||
### Pattern 3 — CUDA Shared Memory
|
||||
```cuda
|
||||
__shared__ float tile[32][32];
|
||||
tile[ty][tx] = A[row*N + (k*32 + tx)];
|
||||
__syncthreads();
|
||||
// HBM 한 번 읽고 32번 재사용
|
||||
```
|
||||
|
||||
### Pattern 4 — Coalesced Access
|
||||
```cuda
|
||||
// Good: thread i reads a[i] — 인접
|
||||
// Bad: thread i reads a[i*stride] — 산발
|
||||
int idx = blockIdx.x * blockDim.x + threadIdx.x;
|
||||
out[idx] = in[idx]; // coalesced
|
||||
```
|
||||
|
||||
### Pattern 5 — Prefetching
|
||||
```c
|
||||
__builtin_prefetch(&a[i+16], 0, 1);
|
||||
// 다음 라인 미리 읽기 — pointer chasing에 유효
|
||||
```
|
||||
|
||||
### Pattern 6 — Roofline 측정
|
||||
```python
|
||||
# arithmetic_intensity = FLOPs / bytes
|
||||
# < ridge → memory-bound, > ridge → compute-bound
|
||||
ai = total_flops / bytes_transferred
|
||||
peak = min(peak_flops, peak_bw * ai)
|
||||
```
|
||||
|
||||
### Pattern 7 — FlashAttention (계층 인식)
|
||||
```python
|
||||
# Q,K,V 타일을 SRAM에서 처리, HBM 왕복 제거
|
||||
# softmax도 online 알고리즘으로 SRAM 안에서
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 증상 | 원인 / 대응 |
|
||||
|---|---|
|
||||
| CPU 50% but slow | Memory bandwidth saturation → blocking |
|
||||
| Cache miss 높음 | Tiling, struct of arrays |
|
||||
| GPU achieved BW < 50% peak | Coalescing 점검 |
|
||||
| HBM bound | Kernel fusion (FlashAttention 식) |
|
||||
| Disk swap | Working set > RAM → batch 줄이기 |
|
||||
| GPU OOM | Activation checkpointing, offload |
|
||||
|
||||
**기본값**: 측정(perf, ncu) 후 hot loop tiling/fusion부터.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Performance-Optimization]]
|
||||
- 응용: [[Flash Attention]], [[Kernel-Fusion]]
|
||||
- Adjacent: [[HBM]], [[NVLink]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**:
|
||||
- Roofline 분석 / 병목 가설.
|
||||
- Tiling 코드 변환 초안 (CUDA/CPU).
|
||||
- Cache miss 디버깅 단서.
|
||||
|
||||
**언제 X**:
|
||||
- 정확한 하드웨어 스펙 (벤더 문서 필수).
|
||||
- 실측 없이 최적화 효과 단언.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- 측정 없이 최적화 (LLC bound인지 모름).
|
||||
- Column-major 순회 (row-major 데이터에서).
|
||||
- Pointer chasing (linked list가 array보다 10배 느림).
|
||||
- GPU에 작은 작업 다수 (kernel launch overhead).
|
||||
- False sharing (동일 cache line 다른 코어 쓰기).
|
||||
- Hugepage / NUMA pinning 무시.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified. 2026 H100/B100, modern x86 기준. 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup |
|
||||
Reference in New Issue
Block a user