使用Views进行内存分配：Julia切片性能优化疑问

测试代码 #

using Distributions
using BenchmarkTools

u = randn(100, 2)
res = ones(100)
idx = 1
u_vector = u[:, idx]

@btime $res = $1.0 .- $u_vector;
@btime $res = $1.0 .- $u[:,idx];
@btime @views $res = $1.0 .- $u[:,idx];

运行结果 #

julia> @btime $res = $1.0 .- $u_vector;
  37.478 ns (1 allocation: 896 bytes)

julia> @btime $res = $1.0 .- $u[:,idx];
  607.383 ns (13 allocations: 1.97 KiB)

julia> @btime @views $res = $1.0 .- $u[:,idx];
  397.597 ns (6 allocations: 1.08 KiB)

问题分析与优化方案 #

为什么@views版本性能不如第一条？ #

@views确实避免了切片时创建副本，生成的是SubArray视图，但广播操作对SubArray的处理效率远低于原生Vector：

• SubArray需要额外的索引映射计算，无法像原生数组那样直接连续访问内存；
• Julia的广播优化逻辑对原生数组更友好，针对SubArray的广播会产生额外开销；
• 原代码三条语句都是重新赋值res，即生成新数组再覆盖res，SubArray的广播生成新数组的过程本身就比原生Vector慢。

优化方案（无额外内存分配） #

既然res已经预先分配好内存，应该原地修改res的元素，而非重新生成数组赋值，这样能彻底消除内存分配，同时适配动态变化的idx：

方案1：利用广播原地赋值

@btime @. res = 1.0 - @views u[:, idx];

方案2：手动循环（适配更复杂计算场景）

@btime begin
    @inbounds for i in eachindex(res)
        res[i] = 1.0 - u[i, idx]
    end
end

两种写法都能实现0内存分配，性能接近第一条原生Vector的水平。

内容的提问来源于stack exchange，提问作者user1691278