如何使用StaticArrays高效填充矩阵子块并维持高性能？

StaticArrays的全部性能优势都建立在数组尺寸在编译期完全确定、所有元素操作可以被编译器完全展开、全程栈上分配无堆开销的基础上，你观察到的数量级速度差，本质是操作是否绕开了动态数组的黑盒路径：

• 快速路径的操作：无论是SMatrix{2,2}(1.0,1.0,1.0,1.0)还是@SMatrix [1.0 1.0; 1.0 1.0]，编译器在编译阶段就能拿到所有需要存储的元素、明确整体结构尺寸，不需要经过任何中间的堆分配环节，整个构建过程会被直接优化成栈上的固定大小数据结构，自然是纳秒级、零分配的开销。
• 慢路径的操作：SMatrix{2,2}([1.0 1.0; 1.0 1.0])的入参是一个堆上分配的动态矩阵，编译器只知道“要把一个普通矩阵的内容拷贝到静态数组里”，完全无法获知动态数组内部的元素、结构，只能调用通用的逐元素动态索引逻辑完成拷贝。这个过程既要先为动态矩阵分配堆内存，又要付出动态索引的运行时开销，速度自然会差两个数量级。

你当前test_SA函数的性能瓶颈完全是同一个逻辑：函数里的mat是初始堆上分配的动态矩阵，哪怕最后调用SMatrix{2n,2n}(mat)做转换，本质也是从动态数组这个黑盒做逐元素拷贝，编译器根本没法把前面的块赋值操作和后面的转换过程融合优化，自然会产生微秒级的延迟和几十次不必要的内存分配。

核心思路是彻底绕开动态数组，全程在静态/固定大小的栈上结构上完成所有操作，不要走“动态数组存值→转静态数组”的弯路：

• 分块拼接直接构建最终静态矩阵
  静态数组本身原生支持块拼接操作，只要所有子块的尺寸都是编译期已知的，整个拼接过程会被编译器完全展开成栈上的元素赋值，没有任何动态开销。比如你需要构造的2n尺寸矩阵，结构是左上块为n阶单位阵、左下块为传入的静态矩阵G、其余块为零矩阵，完全可以直接用拼接语法生成：

  # 编译期固定n的场景，全程无动态数组参与
  const n = 2
  G = @SMatrix ones(Float64, n, n)
  I_n = SMatrix{n,n}(1.0I)
  Z_n = @SMatrix zeros(Float64, n, n)
  # 拼接过程零开销，直接生成最终SMatrix
  mat_final = [I_n Z_n; G Z_n]
  

• 用栈上可变静态数组MMatrix完成块赋值
  如果场景需要灵活赋值而不是预定义拼接结构，可以用MMatrix（栈上分配的固定大小可变数组）作为操作中间层：因为MMatrix的尺寸是编译期确定的，本身没有堆分配开销，修改完成后可以零开销转成不可变的SMatrix。示例代码：

  function test_optimized(::Val{n}, G) where n
      # 在栈上分配固定大小的MMatrix，无堆分配
      mat = MMatrix{2n, 2n, Float64}(undef)
      fill!(mat, 0)
      # 尺寸固定，编译器会直接展开循环，无运行时循环开销
      for i in 1:n
          mat[i, i] = 1.0
      end
      # 静态块赋值，同样会被编译期展开
      for i in 1:n, j in 1:n
          mat[n+i, j] = G[i, j]
      end
      # MArray转SMatrix是栈上的零拷贝操作
      return SMatrix(mat)
  end
  # 调用时传入Val类型，让编译器拿到编译期的尺寸信息
  test_optimized(Val(2), G)
  

关键注意点：如果n是运行时传入的动态值，一定要把n封装成Val类型参数传入函数，让编译器能在编译阶段推导所有静态数组的尺寸，否则静态数组的优化效果会完全失效，性能退化为动态数组水平。

内容的提问来源于stack exchange，提问作者QuantumBrick