为何Julia中sum调用lambda的迭代次数增加时分配内存随之增长？

你看到的内存分配随迭代次数增长，核心原因是生成器表达式h() for _ in 1:N的迭代机制带来了每次迭代的少量堆分配，和闭包本身的内存占用没关系——你的闭包确实只需要常量内存来存储捕获的Ref{Int}（Julia自动把要修改的外部变量包装成了Ref）和闭包结构。

具体拆解：

• 当你写() -> i += 1这种修改外部变量的闭包时，Julia会自动把i包装成Ref{Int}类型，这样闭包才能修改外层函数的变量。这个Ref本身是固定大小的，不会随迭代次数增长。
• 但你用sum(h() for _ in 1:N)时，这个生成器的迭代器Base.Generator在每次调用iterate时，会触发闭包调用，同时会产生少量临时分配（比如用于维护迭代状态的小结构体）。这些分配每次迭代都有，累计起来就会随迭代次数线性增长——你看1e6次对应3M分配，1e7次对应30M分配，刚好是10倍关系，也验证了这一点。
• 如果换用手动循环累加，就不会有这些额外分配：

  h = f()
  s = 0
  @time for _ in 1:1000000
      s += h()
  end
  println(s)
  

  运行这段代码你会发现内存分配几乎为0，因为直接操作变量跳过了生成器的额外开销。

另外补充：你看到的分配都是很小的临时对象，Julia的GC会自动回收，但累计起来就会显示出随N增长的内存占用量。

内容的提问来源于stack exchange，提问作者Matteo