为何F#线性代数函数的微小改动会带来大幅性能提升

点积函数性能差异原因 #

• 递归实现的慢版本核心开销来自两部分：
  1. 每次调用Array.tail都会生成一个新的数组切片拷贝，而非直接引用原数组的偏移地址。计算长度为N的向量点积会生成N个临时数组，带来大量堆内存分配和GC（垃圾回收）开销。
  2. 该递归没有标记尾递归特性，写法也无法触发编译器的尾递归优化，每次递归都会在调用栈上压入新栈帧，既带来额外的栈操作开销，向量长度较大时还有栈溢出风险。
• Array.fold2实现的快版本是标准库高度优化的内置函数：
  底层直接通过下标遍历两个原数组，无任何额外数组分配，所有操作都在原数组的连续内存块上完成。内部采用命令式循环实现，完全避免了递归的栈帧开销，遍历过程仅需要维护一个累加状态变量，CPU缓存命中率也更高。

矩阵向量乘函数性能差异原因 #

• 数组推导（[| yield |]）的慢版本额外开销来自中间存储：
  F#的数组推导在逐元素yield生成内容时，底层默认使用动态扩容的列表作为中间存储，等所有元素生成完成后再一次性拷贝到新数组返回。动态扩容、中间数据拷贝的过程会产生大量不必要的计算和内存开销。
• Array.zeroCreate+下标赋值的快版本直接操作预分配内存：
  Array.zeroCreate会一次性申请好固定长度的连续内存块，完全不需要中间动态扩容步骤，后续直接通过下标赋值写入结果，无多余的中间数据拷贝，内存访问连续，CPU缓存命中率更高，速度提升非常明显。

数值计算场景F#性能优化通用建议 #

高频数值计算场景下，尽量避免无意义的数组切片、非尾递归操作，优先使用标准库内置的迭代函数，或者采用手动预分配数组+下标遍历的写法。对于性能敏感的核心路径，也可以使用[<Struct>]、Span等特性进一步降低内存开销，必要时可反编译查看生成的IL代码确认优化效果。

内容的提问来源于stack exchange，提问作者ajax2112