内存对齐：SSE 对内存对齐的要求、malloc 与 aligned_alloc、如何检测对齐问题
很多人都觉得内存对齐是个老生常谈的话题——不就是地址能被 16 整除嘛。但我在做 SSE 优化的时候，有一次线上服务突然 segment fault，查到最后发现就是差了 8 个字节的对齐。你想想看，一个 _mm_load_ps 下去，程序直接崩溃，连个警告都不给你。所以这一章咱们就把对齐这件事彻底讲透。
为什么 SSE 这么挑剔？
SSE 指令集里有一对“双胞胎”加载指令：_mm_load_ps 和 _mm_loadu_ps。“ps”代表 packed single，一次加载 4 个 float。但第一个要求地址必须是 16 字节对齐（即地址的低 4 位为 0），第二个则不要求。
核心区别：_mm_load_ps 对齐版本 —— 速度极快，单周期完成；_mm_loadu_ps 未对齐版本 —— 可能多花 2~3 个周期，甚至触发缓存行拆分惩罚。
我用 perf 测过一个图像滤波的例子：把 200 万像素的 float 数组全部换成对齐加载，整体耗时下降了约 18%。说白了，对齐是白送的性能，不要白不要。
malloc 为什么不够用？
C 标准库的 malloc 只保证返回地址至少 8 字节对齐（在 64 位系统上通常是 16 字节，但标准只保证 8 字节）。这就尴尬了——SSE 需要严格的 16 字节对齐，你不能赌 malloc 每次都送个“幸运”地址。
| 分配函数 | 标准来源 | 对齐保证 | 平台兼容性 |
|---|---|---|---|
malloc | C89 / POSIX | 至少 8 字节（常见 16） | 全平台 |
aligned_alloc | C11 | 可指定任意对齐（需为 sizeof 倍数） | C11 标准，Linux glibc ≥ 2.16，macOS 10.15+，Windows 无原生 |
posix_memalign | POSIX | 可指定任意对齐（2 的幂） | Linux, macOS |
_mm_malloc | MSVC / Intel | SSE 友好，自动对齐 | Windows (intrin.h), Linux (xmmintrin.h) |
我个人习惯在跨平台项目里用 posix_memalign，因为它最成熟。但在只面向 Linux 的项目中，C11 的 aligned_alloc 更干净。Windows 下则直接上 _mm_malloc。
注意：aligned_alloc 要求 request 大小必须是 align 的整数倍。否则行为是未定义的。我曾经因为传了 32 字节对齐让分配 24 字节，结果 glibc 直接返回 NULL，排查了半天才反应过来。
如何检测对齐问题？
光靠肉眼读地址不现实。下面几个方法是我项目里常用的“三板斧”：
- 编译期断言：用
static_assert(alignof(MyStruct) >= 16, "Need 16-byte alignment");，但只能检查类型，不能检查运行时指针。 - 运行时检查宏：
#define IS_ALIGNED(ptr, n) (((uintptr_t)(ptr) & ((n) - 1)) == 0)。在加载前加个断言：assert(IS_ALIGNED(data, 16)); __m128 val = _mm_load_ps(data); - AddressSanitizer + 自定义 hook：给
_mm_load_ps包裹一层宏，在 debug 构建里检测对齐并打印告警。
小技巧：在性能敏感代码的单元测试里，我故意用 _mm_loadu_ps 加载对齐地址，然后对比 _mm_load_ps 的结果——如果两者数值不一致，说明数据本身可能越界了，不是对齐问题。
避坑指南：我曾经对齐没处理好…
有一次我在一个视频编码器里用 SSE 做像素差计算。数据来自前一级的环形缓冲区，地址只保证 8 字节对齐。我偷懒用了 _mm_loadu_ps，结果性能压根没提上去。后来改成：
- 在缓冲区头部额外预留 16 字节，然后手动把起始地址对齐到 16 字节边界；
- 使用
_mm_store_ps写回，保证后继阶段也能受益。
那次改动让整个模块的延迟从 12ms 降到了 9ms。所以我的建议是：能用对齐加载的地方，绝不偷懒用 unaligned。如果因为接口限制拿不到对齐地址，就自己垫一个对齐副本。
一张图看清对齐核心要点
实验建议：自己写一个小程序，用 _mm_load_ps 读取一个非 16 字节对齐的指针，然后捕获 SIGSEGV。看看系统报错是不是 General Protection Fault——我当年在 Windows 下看到的异常码是 EXCEPTION_ACCESS_VIOLATION，在 Linux 下就是经典的段错误。
总结
这一章的核心其实就三句话：
- SSE 对齐加载是性能快车道，必须保证地址低 4 位为零。
malloc不靠谱，优先用aligned_alloc（C11）或posix_memalign（POSIX），Windows 下用_mm_malloc。- 代码里埋好对齐断言，运行时 + 静态双管齐下，防患于未然。