高性能多维数组库 (kotlinx-multik) Experimental

源：kotlinx-multik 官方仓库

随着 Android 设备算力的提升，移动端对 AI 模型推理、信号处理以及复杂数学运算的需求日益增加。传统的 Kotlin 集合（如 List 或 Array）在处理大规模多维数据时，不仅内存开销巨大，且缺乏矩阵运算的表达力。kotlinx-multik 是 Kotlin 官方推出的高性能多维数组库，它通过灵活的计算引擎切换（JVM、Native、OpenBLAS）和类型安全的维度检查，为 Android 开发者提供了类 NumPy 的开发体验。

技术价值与核心优势

• 多引擎架构：支持纯 Kotlin 实现（Jvm/Native）以保持兼容性，同时也支持接入 OpenBLAS 等高性能 C++/Fortran 库以获得极致性能。
• 维度安全：利用 Kotlin 类型系统（如 D1, D2, DN）在编译期确保矩阵运算的维度匹配，减少运行时崩溃。
• 内存效率：底层采用连续的内存布局，极大减少了对象包装开销，且支持零拷贝的视图（View）操作（如切片、转置）。
• 跨平台支持：原生支持 KMP，逻辑可在 Android 与 iOS 间复用。

依赖配置与版本

查看 Maven Central 最新版本

Kotlin DSL

dependencies {
    // 核心 API
    implementation("org.jetbrains.kotlinx:multik-core:0.2.3")
    // 默认 JVM 引擎 (适用于 Android/JVM)
    implementation("org.jetbrains.kotlinx:multik-default:0.2.3")
}

Groovy

dependencies {
    implementation 'org.jetbrains.kotlinx:multik-core:0.2.3'
    implementation 'org.jetbrains.kotlinx:multik-default:0.2.3'
}

libs.versions.toml

[versions]
multik = "0.2.3"

[libraries]
multik-core = { group = "org.jetbrains.kotlinx", name = "multik-core", version.ref = "multik" }
multik-default = { group = "org.jetbrains.kotlinx", name = "multik-default", version.ref = "multik" }

核心抽象：NDArray

multik 的核心模型是 NDArray。它通过类型参数指定元素类型和维度。

API 核心签名

public interface NDArray<T, D : Dimension> {
    public val data: MemoryView<T>    // 扁平化的底层数据视图
    public val shape: IntArray        // 各维度的长度
    public val dim: D                 // 维度标志（D1, D2 ... DN）
    public val size: Int              // 总元素个数
    
    // 基础算术运算扩展
    public operator fun plus(other: NDArray<T, D>): NDArray<T, D>
    public operator fun times(other: NDArray<T, D>): NDArray<T, D>
}

多维数组实战

数组创建与切片

multik 提供了极为简洁的 DSL 来初始化数组。

创建与基础操作

import org.jetbrains.kotlinx.multik.api.*
import org.jetbrains.kotlinx.multik.ndarray.data.*

// 创建 2D 矩阵 (3x3)
val matrix = mk.ndarray(mk[mk[1, 2, 3], mk[4, 5, 6], mk[7, 8, 9]])

// 快速创建全零或全一矩阵
val zeros = mk.zeros<Double, D2>(3, 3)
val identity = mk.identity<Double>(3)

// 切片操作 (零拷贝视图)
val subMatrix = matrix[0..1, 1..2] // 获取前两行，中间两列

数学运算

// 矩阵乘法 (点积)
val a = mk.ndarray(mk[1, 2, 3], 1, 3)
val b = mk.ndarray(mk[4, 5, 6], 3, 1)
val result = a dot b

// 广播机制 (Broadcasting)
val c = mk.ndarray(mk[10, 20, 30])
val broadcasted = matrix + c // 向量 c 将自动应用到矩阵的每一行

底层机制：引擎切换与内存布局

动态引擎发现

multik 采用了插件化的引擎架构。在运行时，可以通过 mk.engine = EngineType.KOTLIN 动态指定使用的计算后端。

• multik-kotlin：纯 Kotlin 实现，无平台限制，但性能一般。
• multik-default：针对 JVM 优化的版本，使用了更高效的循环和向量化。
• multik-openblas：通过 JNI/C-Interop 调用底层线性代数库，适合大规模科学计算。

内存布局优化

multik 并没有使用 Array<Array<T>> 这种嵌套结构，而是将多维数组映射为一维的连续内存块（MemoryView）。

• Stride（步长）：通过计算步长来定位多维坐标在扁平化数组中的位置。
• 零拷贝视图：转置（transpose）或切片（slice）操作仅仅是创建了一个拥有不同 shape 和 stride 的新视图，而底层数据完全不发生拷贝。

工程实践准则

Android 端的引擎选择

在 Android 上，建议优先使用 multik-default。如果涉及极大规模的矩阵运算，可以考虑集成 multik-openblas，但需注意这会显著增加 APK 体积（需包含各架构的 .so 文件）。

避免频繁创建临时对象

虽然 multik 做了大量优化，但频繁的矩阵运算仍会产生中间 NDArray 对象。在高性能循环中，尽量使用原地更新（In-place）的操作（如果 API 支持）。

R8/Proguard 配置

由于 multik 涉及引擎的动态加载，混淆时需保留相关类：

-keep class org.jetbrains.kotlinx.multik.api.** { *; }
-keep class org.jetbrains.kotlinx.multik.ndarray.** { *; }