Julia：多项分布随机数生成的内存分配优化问题

先看你的测试代码：

pop = zeros(100)
p = rand(100)
p /= sum(p)

# 假设下一行在循环内
@time pop = rand(Multinomial(100, p)) #test1
@time pop .= rand(Multinomial(100, p)) #test2

内存分配差异原因 #

• test1（2次分配）：rand(Multinomial(100, p))会生成一个新的Vector{Int}数组（1次分配），另外Multinomial分布实例初始化时会有一次小内存分配（用于存储分布参数的内部结构）。后续pop = ...只是把新数组的引用赋值给pop，无额外分配，所以累计2次。
• test2（4次分配）：首先rand(Multinomial(...))同样会产生新数组+分布实例的2次分配；接着.=广播赋值操作，Julia的广播机制会创建临时广播对象，同时过程中还有其他小的临时内存占用，这又带来2次分配，最终累计4次。核心是rand返回的临时数组本身就是一次分配，再加上广播的额外开销，导致分配次数多于test1。

0内存分配的实现方法 #

要实现0内存分配，直接用Distributions.jl提供的rand!方法，它能把生成的随机数直接写入预先分配好的数组，无需创建新数组：

# 预先分配数组（注意类型要匹配多项分布的输出类型Int）
pop = zeros(Int, 100)
p = rand(100)
p /= sum(p)
# 把分布实例移到循环外，避免每次循环重复初始化带来的小分配
dist = Multinomial(100, p)

# 循环内执行
@time rand!(dist, pop)

这种方式下，循环内的rand!只会复用预先分配的pop数组，全程不会产生新的内存分配，完全适配循环内高频调用的场景。

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