多维数组的物理连续度决定IO吞吐上限,核心是使数据布局对齐缓存行、DMA块和页;int[,]严格连续,适合零拷贝与SIMD;int[][]非连续,易引发page fault与TLB miss。

多维数组的物理连续度直接影响内存访问效率,进而决定IO吞吐上限。优化核心不是“改数组类型”,而是让数据布局与硬件访问模式对齐——尤其是缓存行、DMA传输块和页对齐这三层硬件约束。
看清基本类型在不同数组结构中的真实内存形态
同是 int[1000, 1000] 和 int[1000][],底层物理连续性差异极大:
- int[,](矩形多维数组):整个 100 万个 int 在堆上严格连续排列,无间隙,起始地址到末尾地址是一整块;适合 DMA 直接映射、mmap 零拷贝读取、SIMD 批量处理。
- int[][](锯齿数组):外层数组是 1000 个指针(8 字节×1000),每个指针指向一个独立分配的 int[];这些子数组彼此不连续,甚至可能分散在不同内存页;IO 时无法保证顺序读取,易触发多次 page fault 和 TLB miss。
用连续度匹配 IO 路径的关键环节
物理连续不是目的,而是为以下 IO 环节减负:
-
文件系统层:连续数组可被一次性 mmap 到用户空间,配合
readv或sendfile实现零拷贝输出;非连续结构必须拆成多次 write,增加 syscall 开销与上下文切换。 - 内核缓冲区:连续数据块能填满单个 socket buffer 或 page cache 页(通常 4KB),减少缓冲区碎片;锯齿数组每行若长度不一,极易造成跨页写入与缓存行浪费。
-
DMA 引擎:现代 NIC/SSD 支持 scatter-gather list,但最优性能仍依赖大块连续物理内存;
fixed+ 指针访问的int[,]可直接传给驱动,而int[][]需额外构建 SG 表,增加 CPU 开销。
实操建议:按场景选型 + 强制对齐
不靠猜测,靠验证和控制:
- 用
GC.GetTotalMemory+unsafe.SizeOf<t>()</t>核算实际占用,确认是否真连续(锯齿数组总开销 ≈ 外层数组大小 + 所有子数组头 + 各自填充)。 - 对高性能 IO 场景(如实时日志批量落盘、图像帧流式编码),强制使用
int[,]或Span<int></int>包装的扁平一维数组 + 手动索引计算(idx = i * cols + j)。 - 若必须用锯齿结构(如稀疏行长),至少保证每行内部连续,并用
ArrayPool<int>.Shared.Rent(rowLen)</int>复用缓冲区,避免高频分配导致内存碎片。 - 关键 IO 函数调用前,用
MemoryMarshal.AsBytes转为ReadOnlySpan<byte></byte>,再交由Socket.SendAsync或FileStream.WriteAsync—— 这些 API 对连续 span 有路径优化。
连续度不是玄学指标,它是从 L1 缓存行到 SSD NAND 页之间所有硬件层级共同认可的“通行语言”。选对数组形态,等于提前为数据铺好高速通道。

















