二维数组优化核心是缓存不变量、减少重复访存、保持内存连续访问；应避免内层循环重复计算、按行主序遍历、单次遍历完成多目标统计，并慎用stream处理大规模数值计算。
二维数组处理中，冗余计算往往出现在重复访问相同元素、反复计算不变表达式、或嵌套循环内做可提前提取的运算。关键不是“写得短”，而是让每次访问和计算都有明确目的。
避免在内层循环中重复计算不变量
比如行列长度、常量偏移、或与循环变量无关的表达式，若放在内层 for 语句里，会被执行 m×n 次。
- ❌ 错误写法：
for (int i = 0; i —— 每次 j 循环都重新取 <code>matrix[i].length - ✅ 推荐写法：提前缓存行长度，
int rows = matrix.length; for (int i = 0; i - 若整个数组是规则矩形（每行长度一致），可统一用
matrix[0].length并提前赋值，避免每次索引检查
用局部变量替代多次数组索引访问
当某元素被连续读取多次（如参与多个算术运算或条件判断），重复写 matrix[i][j] 不仅啰嗦，还可能触发多次边界检查（尤其在非 JIT 优化场景）。
deep-java-review
下载
Java项目代码review工具。分析Git变更+完整调用链路上下文，推断业务需求，进行多维度评分和分类汇总，生成完整PRD文档。包含细粒度Java代码审查清单（Null安全、异常处理、Streams、并发、equals/hashCode、资源管理、API设计、性能、MyBatis/ORM、事务边界、SQL/DD...
- 把频繁访问的值提为局部变量：
int val = matrix[i][j]; if (val > 0) sum += val * 2; max = Math.max(max, val); - 对复合结构（如
matrix[i][j].x + matrix[i][j].y），先取对象再读字段，比重复索引+点操作更高效 - 注意：仅对读操作有意义；若涉及写入或副作用，不可盲目提取
合并可向量化或批处理的逻辑
JVM 对连续内存访问有良好优化（如自动向量化），但人为拆分逻辑会打断这种机会。例如按列遍历、或在双循环中穿插无关操作，易导致缓存不友好。
- 优先按行主序访问（i 外层、j 内层），保证内存局部性
- 把同一位置的多个计算合并到一次循环体内，而不是为每个操作单独跑一遍二维遍历
- 若需同时求和、最大值、计数等，用单次遍历完成，而非写三个独立的双重 for
善用 Java 增强 for 和 Stream 的适用边界
增强 for 在可读性和 JIT 优化上通常不输传统索引循环，但要注意隐含开销；Stream 则适合逻辑复杂但数据量不大时，大规模二维数组慎用。
- 规则二维数组用传统索引仍是最可控、最易优化的方式
- 增强 for 可用于外层（
for (int[] row : matrix)），再配合普通 for 遍历 row，兼顾简洁与性能 - Stream.flatMap() 转成一维流虽方便，但创建中间对象、装箱、函数调用开销明显，纯数值计算建议避开
不复杂但容易忽略。核心就三点：缓存不变量、减少重复访存、保持访问连续性。写完后扫一眼循环体，问问自己“这一行是不是每轮都在算一样的东西”——多数冗余就藏在这里。
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
