Julia中支持栈分配的可变多维数组数据结构咨询

针对你需要的可修改、支持栈分配（或接近栈分配效率）、运行时指定大小的数组的数组场景，分两种核心情况给出最优方案：

1. 子数组维度固定（编译时已知），总长度运行时指定 #

如果子数组的尺寸（比如你提到的1×3）是确定的，仅总长度由用户输入，推荐使用 MutableStaticArrays.jl 提供的可变静态数组类型：

• MMatrix{rows, cols, T} 是可变的静态矩阵，数据直接存储为值类型——当放入Vector中时，会直接嵌入容器的连续内存块，无堆指针开销，效率接近纯栈分配。
• 示例代码：

using MutableStaticArrays

# 运行时获取总长度N
N = parse(Int, readline())
# 初始化N个1×3的可变静态矩阵
A = [MMatrix{1,3,Float64}(undef) for _ in 1:N]

# 直接修改子数组元素
A[2][1, 3] = 2.718

2. 子数组维度也由运行时指定 #

若子数组的行列数都需要用户动态输入，由于栈分配要求编译时确定内存大小，无法直接实现纯栈分配的动态大小结构，但可以用以下两种接近栈分配效率的方案：

方案A：连续内存+视图（性能最优） #

将所有子数组的数据扁平化存储在一个大的连续数组中，用@view创建栈分配的轻量视图来模拟"数组的数组"：

# 运行时获取参数（示例值）
N = 10  # 数组总长度
m, n = 1, 3  # 子数组的行列数

# 创建连续内存的总数组，无零散堆分配
total_data = zeros(Float64, N*m, n)
# 生成每个子数组的视图（视图是栈分配对象，无额外堆开销）
A = [@view total_data[(i-1)*m+1:i*m, :] for i in 1:N]

# 直接修改子数组元素
A[1][1,2] = 3.14

这种方式数据完全连续，缓存友好，性能远超普通的数组的数组。

方案B：StructArrays扁平化存储 #

用 StructArrays.jl 将数组的数组转换为结构数组，自动实现内存扁平化：

using StructArrays

N = 10
m, n = 1, 3

# 创建结构数组，所有子数组的数据合并到连续内存块
A = StructArray{Matrix{Float64}}(undef, N)

# 修改元素
A[3][1,1] = 42.0

该方案避免了普通数组的数组中每个子数组单独堆分配的开销，内存利用率更高。

底层选项：纯运行时栈分配（不推荐） #

如果强行要求整个数据结构在栈上分配（即使大小运行时指定），可以使用Libdl.alloca实现，但栈空间有限（通常几MB），极易触发栈溢出，仅适合极小规模数据：

using Libdl

N = 5
m, n = 1, 3

# 在栈上分配内存
ptr = Libdl.alloca(Float64, N*m*n)
# 包装为Julia数组（不接管内存所有权）
total_data = unsafe_wrap(Array, ptr, (N*m, n); own=false)
# 创建视图数组
A = [@view total_data[(i-1)*m+1:i*m, :] for i in 1:N]

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