考慮如下代碼，三個大向量結合到第四個向量。
parameter max = 1024 * 1024
dimension a(max), b(max), c(max), d(max).
do i = 1, max
a(i) = b(i) + c(i)d(i)
enddo
這四個向量逐個聲明，因此他們在內存連續分配。每個向量都是 4MB 大小，102410244 bytes。因此這四個元素地址的低22位是相同的。向量映射到關聯緩存的相同的位置。
爲了執行某次計算，a(i), b(i), c(i), and d(i) 必須駐留在主存中，首先對 c(i), and d(i) 執行乘法。他們映射到緩存的相同位置，單兩者可以同時駐留，因爲緩存是2路組相聯。在相同的地址位它可以容下2個cache line。爲了執行加法，b(i) 需要在緩存中。它映射到緩存的相同位置，因此含c(i) 的cache line 挪出位置用於存放b(i)，這裏假設最近訪問的是c(i)。爲了存儲結果到a(i)，含d(i) 的 cache line 必須被替換。
現在，循環處理到了i+1迭代，含 c(i+1) 的cache line 必須重新載入cache，與因爲有兩個事實：
- c(i+1) 是一個不同於c(i) 的cache line，因此第一次它的 line 必須被載入
- c(i+1) 是一個相同於c(i)的cache line，但是已經被替換了在先前的迭代中，
相似的，cache line 含d(i+1) 的也同樣需要被重新載入。事實上，每一個對一個向量元素的引用會導致一個cache miss，因爲4箇中只有兩個需要的值可以同時駐留在cache中。儘管訪問是一次一步的，沒有cache line reuse。
這些行爲稱爲 cache trashing，並且它導致非常差的性能。本質上減少了程序無緩存地使用內存。trashing 的原因是因爲不合理的向量對準（vector alignment）。他們所有映射到相同的cache 位置。上面程序的對照是特別壞的因爲 max 是非常大的會引起 trashing 在主存喻二級緩存。
使用 array padding 防止 trashing
兩種方法防止 cache trashing
- 改變向量維度，使得其不再是 2 的平方。一個新的size將溢出內存，因此a(1),b(1),c(1),d(1) 將所有映射到不同的位置是理想的，比如 max = 1024*1024+32 將偏置每一個向量32個元素，或128bytes。這是一個 二級cache line 的大小。因此每個向量開始於一個不同的cache 地址。所有4個值可能同時駐留在cache，因此可能實現 cache line reuse。
- 對於2維向量。將主維改成奇數是有效的，如
dimension a(1024+1, 1024)
對於多維數組，改變兩個甚至更多的維數：
dimension a(64+1, 64=1, 64)
消除cache trashing 使得循環加速至少100倍。