朱莉娅：高效的内存分配

我的程序需要内存，所以我需要尽可能多地保存内存。将整数值赋给变量时，值的类型始终为Int64，无论是0还是+ 2^63-1或-2^63。我无法找到一个巧妙的方法来有效地分配内存，所以我写了，看起来像这样（在本例中为整数）的函数：朱莉娅：高效的内存分配

function right_int(n) 
    types = [Int8,Int16,Int32, Int64, Int128] 
    for t in reverse(types) 
     try 
      n = t(n) 
     catch InexactError 
      break 
     end 
    end 
    n 
end 

a = right_int(parse(Int,eval(readline(STDIN))))

但我不认为这是一个好办法做到这一点。

我也有一个相关的问题：什么是有效的数字操作方式，而不用担心typemins和typemaxs？将每个操作数转换为BigInt，然后应用right_int？

来源

2016-03-04 Pigna

你错过了树木的森林。 right_int是类型不稳定。类型稳定性是减少分配和快速制作Julia的关键概念。通过尝试“正确调整”整数以节省空间，实际上会导致更多的分配和更高的内存使用量。作为一个简单的例子，我们试着从1-100开始制作一个“正确大小”的100个整数数组。他们都足够小，以适应Int8，所以这只是100个字节加上数组头，对吧？

julia> @allocated [right_int(i) for i=1:100] 
26496

哇，26,496字节！为什么没有工作？为什么有这么多的开销？关键是，朱莉娅不能推断出的right_int的类型可能是，所以它必须支持返回任何类型：

julia> typeof([right_int(i) for i=1:100]) 
Array{Any,1}

这意味着朱莉娅不能打包整数密集成阵，和而是将它们表示为指向100个单独“盒装”整数的指针。这些框告诉Julia如何解释它们包含的数据，这需要相当多的开销。这不仅会影响数组，任何时候在任何函数中使用right_int的结果时，Julia都不能再优化该函数并最终进行大量分配。我高度建议您阅读更多关于this very good blog post和manual's performance tips中的类型稳定性。

至于要使用哪种整数类型：只要使用Int，除非你知道你会超过20亿。在您知道需要支持大数字的情况下，请使用BigInt。这是值得注意的是，创建一个类似的BigInt阵列使用显著较少的内存比上面的“大小合适的”阵列：

julia> @allocated [big(i) for i=1:100] 
6496

来源

2016-03-04 17:38:42

所以，如果我不知道，如果用户将输入整数或bigints我应该保存一切都如同BigInt？ – Pigna

取决于你的用例。他们是否真的需要超过20亿的数字？我的观点是，如果你的Julia程序受内存限制，你应该在检查你的热循环中的类型稳定性之前，试着用'right_int'之类的方法来保存少量的字节。 –

他们不太可能会输入大于20亿的数字，但仍然可能发生的事情是我以后需要做的操作将超出限制。但无论如何，我明白了，谢谢@MattB。 – Pigna

朱莉娅：高效的内存分配

回答

相关问题