多维数组在内存中实际为连续一维存储，所谓“数组的数组”仅是语言抽象；c/c++等行优先连续布局，java/python则为非连续引用结构，影响缓存性能与传参方式。

多维数组在内存中并不是真正以“数组的数组”结构存放，而是一块连续的线性空间；所谓“数组的数组”是一种逻辑视图或语言层面的抽象，底层仍依赖一维地址布局和索引映射规则。

内存本质：连续一维存储

无论二维、三维还是更高维，编译器最终都将其展开为单个一维序列。例如 int a[2][3] 在内存中占 6 个连续 int 单元，顺序为：

• a[0][0], a[0][1], a[0][2]
• a[1][0], a[1][1], a[1][2]

这种排列默认按“行优先”（C/C++/Java/Python NumPy 等主流语言采用），即最右边下标变化最快。对应地址计算公式为：
addr = base + (i × cols + j) × sizeof(element)（二维情况）

“数组的数组”是语法糖，不是物理结构

像 Java 中的 int[][] arr = new int[2][3] 看似创建了“数组的数组”，实际分两步：

• 先分配一个长度为 2 的引用数组（每个元素是 int[] 类型的指针）
• 再分别为 arr[0] 和 arr[1] 分配两个独立的、长度为 3 的 int 数组

这两层内存不连续，甚至可能分散在堆的不同位置。这与 C 风格的 int a[2][3]（栈上一块连续区域）有本质区别。

不同语言体现方式差异明显

同一概念在不同语言中落地方式不同：

• C/C++：静态多维数组必连续；动态模拟需手动 malloc 一整块 + 指针偏移计算
• Java：只支持“数组的数组”，每行可变长（int[][] arr = {{1,2}, {3,4,5}} 合法）
• Python list：纯嵌套 list，各子列表完全独立，无内存连续性保证
• NumPy ndarray：回归连续内存模型，用 strides 属性控制多维索引到一维地址的映射

理解它对性能和操作很关键

是否连续直接影响缓存命中率和向量化能力：

• 连续存储（如 C 数组、NumPy）遍历时 CPU 缓存友好，速度快
• 非连续“数组的数组”（如 Java int[][]）跨行访问易发生缓存抖动
• 传参时注意：C 中 void func(int a[][3]) 要求列数已知，因需算偏移；Java 中只需 func(int[][] a)，因传的是引用数组首地址