Julia中如何通过多线程创建数组？含实际计算场景疑问

问题梳理 #

你原本通过单线程列表推导式生成结果：

params = [1,2,3]
func(x) = x+1

myList = [ func(x) for x in params]

尝试用myList = [func(x) @bthreads for x in params]实现多线程失败，实际场景中func(x)会生成50×50矩阵并返回其最小特征值对应的特征向量，需执行约2500次，想知道该场景是否适合多线程。

适配性判断 #

这个场景非常适合多线程：

• 每个func(x)的计算完全独立，没有数据依赖，属于典型的易并行化任务；
• 矩阵特征值计算是CPU密集型操作，多线程能充分利用多核CPU资源，大幅压缩总运行时间。

正确的多线程实现方式 #

你之前的写法存在语法错误：Julia中没有@bthreads宏，正确的多线程宏是Threads.@threads，且不能直接嵌入列表推导式，推荐用「预分配数组+线程循环」的方式实现：

# 示例参数（对应实际2500个参数）
params = collect(1:2500)

# 实际业务逻辑函数
function func(x)
    # 生成50×50矩阵
    mat = rand(50, 50)
    # 计算特征值与特征向量
    eig_vals, eig_vecs = eigen(mat)
    # 找到最小特征值对应的特征向量
    min_idx = argmin(eig_vals)
    return eig_vecs[:, min_idx]
end

# 预分配结果数组（避免线程竞争）
myList = Vector{Vector{Float64}}(undef, length(params))

# 多线程执行循环
Threads.@threads for i in eachindex(params)
    myList[i] = func(params[i])
end

补充说明 #

• 预分配数组是关键：直接在循环里push元素会引发线程竞争，预分配后每个线程只修改自己负责的索引位置，避免冲突；
• 确保Julia启动时开启多线程：启动时可通过julia -t N指定线程数（N为CPU核心数），或用Threads.nthreads()查看当前线程数，部分版本支持Threads.resize_nthreads(N)动态调整。

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