本文介绍在 ojAlgo 库中对 Primitive64Matrix（新版为 MatrixR064）或可变存储 Primitive64Store 的每一行进行原地或高效排序的方法，避免低效的重复拷贝，并提供清晰、可复用的代码示例。
本文介绍在 ojalgo 库中对 `primitive64matrix`（新版为 `matrixr064`）或可变存储 `primitive64store` 的每一行进行原地或高效排序的方法，避免低效的重复拷贝，并提供清晰、可复用的代码示例。
ojAlgo 的 Primitive64Matrix（在 v50+ 中已重命名为 MatrixR064）是不可变（immutable） 矩阵类型——这意味着任何“修改”操作（如替换某一行）都必须通过创建新实例完成，无法直接就地更新。你当前代码中反复调用 .copy() 并重建矩阵，不仅语义冗余，还会带来显著的内存与性能开销。
更优的实践是：优先选用可变存储类型 Primitive64Store（尚未重命名，仍属 org.ojalgo.matrix.store 包），它支持真正的就地填充（fillRow），无需中间拷贝。若必须使用 MatrixR064，也应复用 DenseReceiver 一次性构建结果，而非每行都 .copy()。
以下是两种推荐方案：
✅ 方案一：使用 Primitive64Store（推荐｜真正就地排序）
import org.ojalgo.matrix.store.Primitive64Store;
import org.ojalgo.array.ArrayR064;
import org.ojalgo.structure.RowView;
double[][] tab = { { 1, 3, 4, 2 }, { 0, 4, 3, 1 } };
Primitive64Store matrix = Primitive64Store.FACTORY.rows(tab); // 可变存储
// 复用临时数组，避免每行新建
ArrayR064 temp = ArrayR064.make(matrix.getColDim());
for (RowView<Double> rowView : matrix.rows()) {
rowView.supplyTo(temp.data); // 将当前行数据复制到 temp
java.util.Arrays.sort(temp.data); // 原地排序
matrix.fillRow(rowView.row(), temp); // 直接写回该行
}
// 此时 matrix 已被逐行排序，无额外对象分配⚠️ 注意：Primitive64Store 是线程不安全的，多线程环境下需自行同步；但单线程批处理场景下性能最优。
✅ 方案二：使用 MatrixR064（兼容旧代码｜单次接收器）
import org.ojalgo.matrix.MatrixR064;
import org.ojalgo.array.ArrayR064;
import org.ojalgo.structure.RowView;
double[][] tab = { { 1, 3, 4, 2 }, { 0, 4, 3, 1 } };
MatrixR064 matrix = MatrixR064.FACTORY.rows(tab);
// 仅创建一次 receiver，避免循环内 copy()
MatrixR064.DenseReceiver receiver = matrix.copy();
ArrayR064 temp = ArrayR064.make(matrix.getColDim());
for (RowView<Double> rowView : matrix.rows()) {
rowView.supplyTo(temp.data);
java.util.Arrays.sort(temp.data);
receiver.fillRow(rowView.row(), temp);
}
matrix = receiver.get(); // 最终获取排序后的新矩阵? 关键要点总结
- 不要对 MatrixR064 调用 .copy() 多次：每次 .copy() 都会深拷贝整个矩阵，O(m×n) 时间与空间开销；
- 优先用 Primitive64Store：它是设计用于计算中间步骤的可变底层存储，fillRow 是 O(n) 操作，无冗余副本；
- 复用 ArrayR064 临时数组：避免在循环中频繁创建/销毁 double[]，提升 GC 效率；
- rowView.supplyTo(...) 比 row(...).toRawCopy1D() 更高效：前者直接复制数据，后者可能触发额外封装与拷贝逻辑；
- 若需链式操作（如排序 → 归一化 → 保存），建议全程基于 Primitive64Store 构建 pipeline，最后再转为 MatrixR064 输出。
通过以上方式，你不仅能写出更简洁、专业的 ojAlgo 代码，还能在处理大型矩阵时获得可观的性能提升。
