Eigen中如何高效就地更新大型稀疏矩阵的指定块

存在两种无冗余遍历的高性能实现方式，完全适配固定非零结构的列优先稀疏矩阵场景：

方案1：零开销更新——初始化阶段缓存目标元素指针 #

初始化完成后矩阵非零结构完全固定，采用压缩列优先存储时，所有非零元素的内存地址不会再发生变化，只需要做一次一次性预处理，后续更新不需要任何查找、遍历操作：

• 初始化矩阵后，先确定A、B块对应的行、列索引区间
• 仅遍历A、B块覆盖的列，通过稀疏矩阵底层存储接口定位到每列中属于A、B块行范围的非零元素，将对应数值的内存地址（mat.valuePtr() + 元素偏移）按顺序存入提前分配的指针数组
• 后续更新时，直接按照A、B块自身的元素顺序，往预存的地址写入新值即可

这个方案的更新效率和操作普通原生数组完全一致，没有任何额外开销，适合迭代计算等需要高频更新矩阵的场景。只要你不调用insert()、reserve()这类会修改矩阵结构、触发内存重分配的接口，缓存的指针会永久有效。

方案2：轻量实现——仅遍历目标块覆盖的列 #

如果不想额外占用内存存储指针，可以直接用稀疏矩阵的内迭代器，跳过所有静态区域，仅遍历A、B块涉及的列：

• 列优先存储下，InnerIterator遍历指定列的非零元素是顺序内存访问，没有coeffRef的二分查找开销
• 由于初始化时每列按行索引升序插入元素，每列内非零元素的行号严格递增，遍历到行号超出块范围时可以直接终止当前列的遍历，不会访问列内的静态元素

参考实现代码：

// 更新A块，仅遍历A覆盖的列区间
for (int col = A_col_start; col < A_col_end; ++col) {
    for (SparseMatrix<double>::InnerIterator it(mat, col); it; ++it) {
        const int row = it.row();
        if (row < A_row_start) continue;
        if (row >= A_row_end) break; // 后续元素行号更大，直接退出当前列遍历
        it.valueRef() = new_A_val(row - A_row_start, col - A_col_start);
    }
}
// B块更新逻辑和A块完全相同

这个方案实际遍历的元素恰好是A、B块内的非零元素，没有任何冗余操作，代码实现简单，不需要额外预处理，能满足绝大多数场景的性能要求。

避坑提示 #

• 更新过程中绝对不要插入、删除矩阵元素，不要调用会触发矩阵压缩/解压缩、内存重分配的接口，否则会导致迭代器、缓存的指针失效
• 不要对列优先矩阵做全量外维度遍历，只要把迭代的列范围限定在A、B块覆盖的区间，就不会触碰静态区域
• 如果A、B块自身的非零结构也固定，优先选择预存指针的方案，性能最优

内容的提问来源于stack exchange，提问作者wuyang3