C++ 프로그래밍 — 성능과 추상화의 균형 → 모던 C++

Move 시맨틱스

1 / 17

왜 Move 시맨틱스인가? — 불필요한 복사의 비용

What — Move 시맨틱스란?C++11에서 도입된 자원 소유권 이전(transfer) 메커니즘객체가 더 이상 필요 없을 때, 내부 자원(힙 메모리, 파일 핸들 등)을 복사 없이 '훔쳐오는' 연산핵심 도구: rvalue 참조(T\&\&)와 std::moveWhy — 불필요한 복사가 왜 문제인가?전통 C++에서 함수 반환, 컨테이너 삽입 시 깊은 복사(deep copy)가 발생예: std::vector<int>를 반환하면 → 힙 메모리 할당 → 원소 N개 복사 → 원본 해제 = O(N) 비용임시 객체(temporary)는 어차피 즉시 소멸 → 복사 자체가 낭비대형 객체(수백 MB 행렬, 이미지 버퍼)에서 이 비용은 치명적Hinnant et al.(2002)의 'move proposal'(N1377)이 이 문제를 공식 제기, C++11 표준에 반영됨How — Move가 비용을 제거하는 원리복사(Copy): 새 메모리 할당 → 데이터 복제 → 원본 유지 → 비용 $O(N)$이동(Move): 포인터/핸들만 교체 → 원본을 '빈 껍데기'로 설정 → 비용 $O(1)$비유: 이사할 때 짐을 하나하나 복제하는 것(Copy) vs 트럭째 가져가는 것(Move)[여기에 다이어그램]다이어그램 설명 — 복사 vs 이동 메모리 흐름 비교상단: Copy 경로왼쪽 박스 "원본 vector" → 힙 영역에 [1, 2, 3, ..., N] 가리키는 포인터화살표 "deep copy" → 오른쪽 박스 "사본 vector" → 새로 할당된 힙 영역 [1, 2, 3, ..., N]아래 레이블: "메모리 할당 + N회 복사 = O(N)"빨간 경고 아이콘: "임시 객체라면 이 복사는 전부 낭비"하단: Move 경로왼쪽 박스 "원본 vector" → 힙 영역에 [1, 2, 3, ..., N] 가리키는 포인터화살표 "포인터 steal" → 오른쪽 박스 "새 vector" → 같은 힙 영역 [1, 2, 3, ..., N]원본의 포인터는 nullptr로 변경 (점선 표시)아래 레이블: "포인터 교체만 = O(1)"중앙 비교 표시: 속도 차이 강조 (N=1,000,000일 때 ~1000배 차이)핵심 용어 정리lvalue: 이름이 있고 주소를 취할 수 있는 표현식 (예: 변수 x)rvalue: 임시 값, 곧 소멸할 표현식 (예: 함수 반환값, x + y)rvalue 참조 (T\&\&): rvalue에 바인딩되는 참조 → move 연산의 트리거std::move: lvalue를 rvalue로 캐스팅만 수행 (실제 이동은 move 생성자/대입이 담당)실제 성능 영향STL 컨테이너(std::vector, std::string 등)는 C++11부터 move 생성자 내장std::vector의 reallocation 시 원소가 move-aware면 O(1) \times N 대신 포인터 스왑으로 처리 (Stroustrup, 2013)RVO(Return Value Optimization)와 결합하면 반환값 복사가 완전히 제거됨 (Meyers, 2014)

0:00

0:49

🎓 강의 스크립트

Move 시맨틱스는 불필요한 복사를 제거하고 자원의 소유권을 이전하는 C++11 핵심 기능이에요.

lvalue는 이름이 있는 지속 객체, rvalue는 임시 객체(곧 소멸)예요.

T&&는 rvalue 참조로, 임시 객체를 붙잡아 이동 연산을 가능하게 해요.

std::move()는 lvalue를 rvalue로 캐스팅하여 이동을 허용해요.

이동 생성자는 원본의 내부 포인터를 훔치고 원본을 비워요(O(1)).

이동 대입 연산자도 같은 원리로 기존 자원 해제 후 포인터를 이전해요.

Rule of Five: 소멸자를 정의하면 복사/이동 생성자+대입 모두 정의하세요.

noexcept를 이동 생성자에 붙이면 STL 컨테이너가 이동을 적극 활용해요.

이런 분들이 찾고 있어요

이 레슨과 관련된 학습 키워드

CS/AI 전공 대학생

U-Net 구조시맨틱 분할 정리ViT 원리

비전공/입문자

시맨틱 분할이란이미지 분할 쉽게

취준생

segmentation 프로젝트ViT 면접

직장인

의료 영상 분할자율주행 segmentation

대학원생/연구자

ViT 논문 리뷰CLIP 제로샷foundation model 비전

AI 교육 플랫폼

AI 교육 플랫폼 추천AI 강의 사이트머신러닝 온라인 강의딥러닝 강의 추천

AI 독학/로드맵

AI 독학 방법머신러닝 공부 순서딥러닝 로드맵머신러닝 독학 로드맵

AI 취업/커리어

AI 취업 준비데이터 사이언티스트 강의ML 엔지니어 준비AI 면접 준비