Matlab Runtime9.10开发的App编译为9.7版本后运行变慢问题咨询

跨版本性能差异的官方原因 #

• MathWorks在R2020a（对应Runtime v9.10）的JIT即时编译器中，新增了循环内动态数组自动预分配优化特性：可自动识别Temp = [Temp; x]这类循环内逐次追加的数组操作，暗中提前分配足够的内存空间，避免了每次拼接都全量拷贝数据的O(n²)开销，因此该段代码在v9.10环境下运行效率符合预期。
• Runtime v9.7对应Matlab R2019b版本，该版本的JIT编译器未支持上述优化逻辑，循环内每次数组拼接都会触发完整的内存重新分配+已有数据拷贝操作，当循环次数达到百万级时，时间开销会指数级上升，最终表现为性能显著下降。

修复方案 #

你当前贴出的代码逻辑完全可以规避循环操作，直接用Matlab内置的矩阵维度转换实现，所有Runtime版本都可以获得最优性能：

% 原逻辑等价实现，无循环、无动态扩容问题，执行效率提升千倍以上
Output = ones(length(A),length(B));
Temp = Output(:);

如果实际业务中有不可省略的循环逻辑，通用优化方式是提前给Temp预分配足够的内存空间，不要在循环内动态扩容：

Output = ones(length(A),length(B));
len_A = length(A);
len_B = length(B);
% 提前预分配Temp的内存
Temp = zeros(len_A * len_B, 1);
idx = 1;
for ii = 1:len_A
  for jj = 1:len_B
    Temp(idx) = Output(ii,jj);
    idx = idx + 1;
  end
end

内容的提问来源于stack exchange，提问作者Sam