为什么C++二维vector初始化耗时比一维vector高20倍？

二者虽然存储的float总数量都是100万，但实际初始化的开销完全不在一个量级，核心差异如下：

• 内存分配次数差了100万倍
  一维初始化代码vector<float> b(1000000);全程只需要1次堆内存分配：直接申请一块连续的、能容纳100万个float的内存块即可。
  而二维初始化代码vector<vector<float>>a(1000000,vector<float>(1));需要1 + 1000000次堆内存分配：外层vector先申请1块能存100万个vector<float>对象的内存，之后每个内层的vector<float>都要单独申请1块存1个float的内存。堆内存分配本身是高开销操作，需要处理内存对齐、分配器锁、空闲块检索等逻辑，百万次分配的开销会直接占据大部分耗时。
• 额外的对象管理开销
  每个vector实例本身都要存储3个管理指针（起始地址、使用结束地址、容量结束地址），64位系统下单个vector实例就占24字节。二维vector的外层要存储100万个vector实例，光这部分就有24MB的初始化开销，而一维vector只需要维护3个指针、共24字节的管理数据。
• 额外的拷贝构造开销
  你用到的vector(size_t n, const T& val)构造函数，会把入参的val拷贝构造n次赋值给每个元素。二维场景下需要做100万次vector<float>的拷贝构造，每次拷贝都要走vector的拷贝逻辑、分配内存、复制元素，而一维场景只需要做100万次float的初始化，开销差距极大。
• CPU缓存命中率差异
  一维vector的所有float数据是连续存储的，初始化时CPU缓存命中率接近100%，执行效率极高。而二维vector的每个float分散在100万个独立的堆内存块中，地址不连续，初始化时缓存命中率极低，进一步拖慢执行速度。

编译开启优化时，编译器会把vector的很多操作做inline处理，甚至可以消掉部分不必要的重复逻辑，一定程度上降低二维场景的额外开销。关闭优化后，所有vector的构造、内存分配、拷贝逻辑都是实打实的函数调用，百万次函数调用的开销会被完全释放，因此二者的耗时差距会进一步拉大。

内容的提问来源于stack exchange，提问作者dan gha