文章 "MQL5中的高级内存管理与优化技术"
这篇文章看起来很有争议（只有几点）。
你在这里提到的类是什么？
//类成员变量 - created once double prices[]; void OnTick() { // 重复使用现有数组 for(int i = 0; i < 1000; i++) { prices[i] = iClose(_Symbol, PERIOD_M1, i); } // 处理数据... }
从 OnTick 处理程序的存在和访问数组的方式来看，这意味着您将价格数组添加到了全局作用域，这不是个好主意（因为如果数组只在处理程序的作用域中使用，就会造成命名空间污染）。也许更合适的做法是保留同一示例中的初始代码，但将数组设为静态，这样大家就能清楚地看到区别了：
// 高效方法（一次分配数组，必要时可调整其大小） void OnTick() { // 这不会 create (nor allocate) array on every tick static double prices[]; ArrayResize(prices, 1000); // 用价格数据填充数组 for(int i = 0; i < 1000; i++) { prices[i] = iClose(_Symbol, PERIOD_M1, i); } // 处理数据... }
另外，如果用数组结构（SoA）代替结构数组（AoS）来处理 OHLCV，那么访问同一栏的价格就需要更多的引用（在数组之间切换，而不是在单个结构内部递增偏移量），从而会减慢处理速度，但这种操作非常常见。
在这个使用 OHLCV 的示例中，为了提高内存和时间效率，将所有值打包到一个二维甚至一维数组中可能更有意思：
double TOHLCV[][6];
之所以可以这样做，是因为所有类型（double、datetime、long）的值都有相同的 8 字节大小，可以直接相互转换。
https://www.mql5.com/zh/articles/17693#sec2
让我们来看一个有问题的例子：
// 低效率方法--每次滴定都创建新数组 void OnTick() { // 每次滴答都会创建一个新数组 double prices[]; ArrayResize(prices, 1000); // 用价格数据填充数组 for(int i = 0; i < 1000; i++) { prices[i] = iClose(_Symbol, PERIOD_M1, i); } // 处理数据... // 数组最终会被垃圾回收，但这个 // 造成不必要的内存消耗 }
更有效的方法是
// 类成员变量 - 创建一次 double prices[]; void OnTick() { // 重复使用现有数组 for(int i = 0; i < 1000; i++) { prices[i] = iClose(_Symbol, PERIOD_M1, i); } // 处理数据... }
这篇文章看起来很有争议（只有几点）。
您在这里提到的类是什么？
从 OnTick 处理程序的存在和数组的访问方式来看，这意味着你将价格数组添加到了全局作用域中，这不是个好主意（因为如果数组只需要在处理程序的作用域中使用，那么就会造成命名空间污染）。也许更合适的做法是保留同一示例中的初始代码，但将数组设为静态，这样大家就能清楚地看到区别了：
据我所知，那个示例（我在上面引用过）大致上是伪代码，也就是说，作者并没有注意下面的内容（我猜是为了专注于他到底在说什么）：
- 从循环条件来看，数组的大小在编译时是已知的，但数组是动态的。
- 尽管数组是动态的，但在演示高效方法的代码中并没有调用 ArrayResize。
- 就效率而言，我认为用一次CopySeries 调用来替换下面的整个循环会更好：
// 重复使用现有数组 for(int i = 0; i < 1000; i++) { prices[i] = iClose(_Symbol, PERIOD_M1, i); }
如果我说错了，请指正我，但在我的记忆中，每次 iClose 调用都包含一个 CopySeries 调用。
所提供的这篇文章包含深刻而发人深省的讨论内容。
技术表述清晰明了，使读者易于理解和参与。
非常感谢。
新文章 MQL5中的高级内存管理与优化技术已发布：
MQL5无疑功能强大，但这份强大也伴随着责任——尤其是在内存管理方面。许多开发者只专注于策略逻辑、入场点和风险管理，而内存处理却在后台悄然成为一个定时炸弹。随着您的代码规模不断扩大——处理更多交易品种、更高频率的数据以及更庞大的数据集——忽视内存管理会导致性能瓶颈、系统不稳定以及错失交易机会。
在本文中，我们将深入探究。我们将深入探究MQL5中内存的实际运作方式、致使系统运行变慢或出现故障的常见陷阱，以及——最为关键的是——如何解决这些问题。您将学到实用的优化技巧，让您的交易程序运行更快、更精简且更可靠。
以下就是高效内存使用真正至关重要的场景：
高频交易：每一毫秒都可能带来优势——也可能造成损失。
多周期分析：要综合多个图表吗？那内存压力会成倍增加。
复杂的指标逻辑：如果不进行管理，复杂的数学运算和庞大的数据集会让一切陷入停滞。
回测大量历史数据:：如果没有进行智能优化，回测会让人感觉像是在看油漆变干一样漫长。
如果您已准备好认真对待性能问题，那就让我们开始吧——让您的MQL5系统既智能又高效。
作者：Sahil Bagdi