Julia中如何实现对非“fast linear indexed”子数组创建视图时无内存分配？

嘿，这个问题我之前也踩过坑！其实核心原因是：当你用可变的整数数组（比如Vector{Int}）作为索引，对非“fast linear indexed”的子数组（比如例子里的vr，它是另一个view生成的SubArray）创建视图时，Julia在构造新的SubArray实例时，会因为可变索引的类型不确定性，或者需要额外存储索引的引用信息，导致不必要的内存分配。

下面给你几个亲测有效的解决方案：

方案一：用不可变索引类型（推荐小索引集合场景） #

如果你的索引元素不多，可以用静态数组（来自StaticArrays.jl包）或者元组代替普通Vector{Int}。这类不可变类型的结构在编译时就能确定完整类型信息，Julia可以直接生成无分配的视图：

# 先安装StaticArrays包（如果没装的话）
# using Pkg; Pkg.add("StaticArrays")
using StaticArrays

function temp!(lin, v::AbstractVector)
    w = view(v, lin)
    return nothing
end

lin = Int[1]; v = [0.0, 0.0, 0.0, 0.0];
vr = view(v, 1:3)

# 用静态数组当索引
lin_sv = SVector(1)
@allocated temp!(lin_sv, vr) # 输出0，无分配

# 用元组当索引
lin_tuple = (1,)
@allocated temp!(lin_tuple, vr) # 同样输出0

方案二：用@view宏替代view函数 #

@view是宏，能在编译阶段直接生成更高效的视图代码，避免view函数调用时可能产生的小分配。修改你的函数即可：

function temp!(lin::Vector{Int}, v::AbstractVector)
    w = @view v[lin] # 替换view(v, lin)为@view v[lin]
    return nothing
end

@allocated temp!(lin, vr) # 现在输出0，无分配

方案三：明确标注类型提升推断效率 #

如果你的索引必须是可变的Vector{Int}，可以尝试在函数中明确标注输入数组的类型，帮助Julia更好地做类型推断，减少运行时分配：

function temp!(lin::Vector{Int}, v::SubArray{T,N,P,I}) where {T,N,P,I}
    w = view(v, lin)
    return nothing
end

不过这个方案的效果不如前两个明显，毕竟可变数组本身的不确定性还是存在的。

总结下来，最省心的方式是小索引集合用静态数组/元组，或者直接替换成@view宏，这两种方法基本都能解决你的分配问题~

备注：内容来源于stack exchange，提问作者Tanj