Google Sheets中Lambda函数内存占用的决定因素是什么？

在Google Sheets中，原生函数=SUM(SEQUENCE(10000000))可以轻松处理1000万元素的虚拟数组求和，但改用REDUCE+LAMBDA实现相同逻辑时，却会触发如下错误提示：

Calculation limit was reached when trying to calculate this formula

测试发现不同LAMBDA逻辑的数组上限差异明显：

• 当LAMBDA为累加逻辑（=REDUCE(,SEQUENCE(66660),LAMBDA(a,c,a+c))）时，虚拟数组上限约为66660
• 当LAMBDA仅返回当前元素（=REDUCE(,SEQUENCE(190000),LAMBDA(a,c,c))）时，上限可提升至190000

结合测试现象和Google官方文档的错误说明，这类场景下LAMBDA函数的内存占用主要由以下因素决定：

• 迭代状态的留存需求
  若LAMBDA需要依赖上一次迭代的结果（比如累加操作中的a），每一次迭代都需要在内存中保留前序状态的引用，随着迭代次数增加，内存中需要持续维护的状态数据会线性累积，快速耗尽内存配额。而仅返回当前元素的逻辑无需留存历史状态，内存开销仅与单元素处理相关，因此能支持更多迭代次数。

• 运行时的额外开销
  SUM这类原生数组函数是底层优化的批量计算逻辑，直接对连续内存块操作，内存消耗极低。但REDUCE是逐元素迭代执行，每一次LAMBDA调用都会产生独立的调用栈、临时变量等运行时开销，这些额外开销会随迭代次数不断累积，远高于原生函数的内存占用水平。

• LAMBDA逻辑的复杂度
  单次LAMBDA执行的内存开销直接影响整体上限：累加操作需要读取前值、执行计算、存储新值，涉及多步内存读写和运算；而直接返回当前元素仅需一次读取操作。逻辑越复杂，单次迭代的内存占用越高，能支持的最大迭代次数就越少。

内容的提问来源于stack exchange，提问作者TheMaster