Performance Scala中集合并集的性能问题

我刚刚在Scala Set API中遇到了一个奇怪的行为。这里是我的功能剥离与项目其余部分相关的内容

def grade(...): Double = {
  val setA: HashSet = // get from somewhere else
  val setB: HashSet = // get from somewhere else
  if ((setA size) == 0 || (setB size) == 0) return 0
  else return (setA & setB size) / (setA | set B size)
}

这个函数在一个循环中被多次调用，整个循环大约在4.5秒内执行。但是，当使用大小之和（总近似值）替换并集的大小时，为了测试并集操作的影响，执行时间减少到0.35秒左右

def grade(...): Double = {
  val setA: HashSet = // get from somewhere else
  val setB: HashSet = // get from somewhere else
  if ((setA size) == 0 || (setB size) == 0) return 0
  else return (setA & setB size) / (setA size + set B size)
}

---

好吧，你不能把一个简单的运算，比如2个

整数的和与2个集合的
并集
运算相比较。我期望这些操作的性能会有很大的不同，特别是当您的集合包含很多元素时

你不需要工会，因为你已经做了一个十字路口。请尝试以下操作：

def grade: Double = {
  val setA: HashSet = // get from somewhere else
  val setB: HashSet = // get from somewhere else
  if ((setA size) == 0 || (setB size) == 0) return 0
  else {
     val inter = setA & setB size
     return inter / ((setA size) + (setB size) - inter)
  }
}

但是，我发现您的度量有点奇怪，因为我希望两个操作（并集和交集）都需要大约相同的时间O（n）。拆下接头将使性能提高一半（2s）
 您是否有可能使用并行集合？联合是以顺序方式执行的，因此任何并行集合都首先转换为顺序集合。这可能是性能下降的原因

除此之外，联合是关于O（n），所以你要从O（n）到O（1），这会产生很大的不同。
是的，谢谢你的技巧，这是我用来快速修补的。但我是直截了当的：工会存在问题。证据是，使用你的技巧，执行时间与我的版本大致相同，只有总和。只有当您只需要大小而不需要实际的并集时，这个技巧才有效。@Simon Bouget-集合交集和并集的性能相同吗？更改上面的代码以执行并集而不是交集，然后使用并集的大小计算交集的大小。如果这与并集的性能类似，那么可能只是O（1）操作（例如，添加大小）与O（n）操作（例如，实际执行两个集合的并集）的问题。不，我没有使用并行集合。至于你的另一点，我猜交集也是O（n），我得到了与我的第一个版本类似的性能，只有和和和，以及bruno conde的解，从交集的大小计算并集的大小。我寄给Scala bugtracker，他们似乎把我的例子看作是一个错误的行为。