CUDA C++：CUDA内核不使用__shared__如何定义未知大小数组

针对你的场景，有以下几种可行的处理方式，优先推荐性能最好的预分配方案：

方案1：预计算+全局内存预分配（生产环境首选） #

这是图计算场景下的标准实现方案，完全避开内核内动态内存申请的开销：

• 先运行一次轻量统计内核，遍历所有节点算出每个节点的1跳邻接点数量（度），结果存在长度为n_IR的degree_arr数组中
• 在主机端对degree_arr做前缀和计算，得到每个节点存储邻接点的全局内存起始偏移，同时统计所有节点的总度数，按总大小开辟一块全局内存distOne_buf传入计算内核
• 计算内核中直接通过当前节点seed对应的偏移量访问distOne_buf，读写当前节点的邻接点即可，不需要在内核中动态申请空间

如果你的邻接表本身就是提前构建好的，甚至可以直接在主机端就把distOne_buf填充完，内核直接读取使用，性能最优。

方案2：临时计算省掉存储（适合不需要留存邻接点的场景） #

如果你存储邻接点只是为了计算当前节点的指标，不需要留存给后续步骤使用，完全可以边遍历1跳邻接点边做指标计算，不需要开辟任何数组存储邻接点，直接省掉存储开销。

方案3：内核内动态申请（仅适合调试验证） #

CUDA内核支持线程私有堆内存申请，你可以先算出当前节点的度，再申请对应长度的数组：

__global__ void expectedForce(int* IR_vec, int* IC_vec, int n_IR)
{   
    double ExF = 0;
    int seed = blockDim.x * blockIdx.x + threadIdx.x+1;
    
    if(seed < n_IR) {
        int valRiga = IR_vec[seed];
        // 先计算当前节点的1跳邻接点数量k
        int k = calc_degree(valRiga); // 替换为你自己的度计算逻辑
        int* distOne = new int[k]; 
        // 填充数组、计算指标逻辑
        ...
        // 用完释放，避免内存泄漏
        delete[] distOne;
    }
}

注意这个方案性能极低，内核中的new/malloc是全局锁实现，高并发申请时会有严重的竞争开销，仅适合小数据量调试使用。

方案4：可变长度数组（兼容性差，不推荐） #

部分NVIDIA GPU架构支持C语言可变长度数组（VLA）扩展，你可以先算出度再声明栈上数组：

int k = calc_degree(valRiga);
int distOne[k];

该方案限制较多：线程默认栈大小通常仅1KB左右，邻接点数量稍多就会栈溢出，同时属于非标准扩展，兼容性差，不建议生产环境使用。

内容的提问来源于stack exchange，提问作者Federica De Martin