Julia 中的内存分配

将程序从 Python 翻译成 Julia 后，我非常不满意：

• 对于小/非常小的输入，Python 更快
• 对于中等输入，Julia 更快（但没那么快）
• 对于大输入，Python 更快

我认为原因是我不明白内存分配是如何工作的（这里自学者，没有CS背景）。我会在这里发布我的代码，但它太长且太具体，除了我之外，它对任何人都没有好处。因此我做了一些实验，现在我有一些问题。

考虑这个简单的script.jl:

function main()
    @time begin
        a = [1,2,3]
    end
end
main()

当我运行它时，我得到：

$ julia script.jl
  0.000004 seconds (1 allocation: 96 bytes)

1.为什么是 96 字节？当我设置a = []我得到 64 个字节（为什么空数组的重量如此之大？）。 96 字节 - 64 字节 = 32 字节。但a is an Array{Int64,1}。 3 * 64 位 = 3 * 8 字节 = 24 字节！= 32 字节。

2.为什么我设置了还是得到96字节a = [1,2,3,4]?

3.为什么我运行此命令时会得到 937.500 KB：

function main()
    @time begin
        for _ in 1:10000
            a = [1,2,3]
        end
    end
end
main()

而不是 960.000 KB？

4.为什么，例如，filter()这么低效？看看这个：

check(n::Int64) = n % 2 == 0

function main()
    @time begin
        for _ in 1:1000
            a = [1,2,3]
            b = []
            for x in a
                check(x) && push!(b,x)
            end
            a = b
        end
    end
end
main()
$ julia script.jl
  0.000177 seconds (3.00 k allocations: 203.125 KB)

instead:

check(n::Int64) = n % 2 == 0

function main()
    @time begin
        for _ in 1:1000
            a = [1,2,3]
            a = filter(check,a)
        end
    end
end
main()

$ julia script.jl
  0.002029 seconds (3.43 k allocations: 225.339 KB)

如果我使用匿名函数（x -> x % 2 == 0）我得到的不是检查内部过滤器，而是：

$ julia script.jl
  0.004057 seconds (3.05 k allocations: 206.555 KB)

如果内置函数速度较慢并且需要更多内存，为什么我应该使用它？

快速解答：

1. Array除其他外，我们还可以在标题中跟踪它们的维度和大小。

2. Julia 确保其数组是16 字节对齐 https://en.wikipedia.org/wiki/Data_structure_alignment。如果您查看更多示例的分配情况，该模式就会变得显而易见：

julia> [@allocated(Array{Int64}(i)) for i=0:8]'
1x9 Array{Any,2}:
 64  80  80  96  96  112  112  128  128

3. 以千字节为单位进行报告。 1 KB 有 1024 个字节：

julia> 937.500 * 1024
960000.0

4. 匿名函数和将函数传递给高阶函数，例如filter是 0.4 中已知的性能问题，并已在最新的开发版本中修复。

一般来说，获得比预期更多的分配通常是类型不稳定的标志。我强烈建议阅读手册性能提示页面 http://docs.julialang.org/en/release-0.4/manual/performance-tips/有关此的更多信息。