如何高效从百万级Date数组A中筛选出存在于B的元素并保留引用

这问题我之前处理百万级数组的时候踩过坑！你现在用的A.filter(s => B.indexOf(s) !== -1)之所以慢到离谱，核心原因是**indexOf每次查找都要遍历整个B数组**，时间复杂度直接飙升到O(n*m)（n是A的长度，m是B的长度），10万级别的数据量跑两分钟太正常了。下面给你两个针对性的高效方案，时间复杂度能降到O(n+m)，秒级就能出结果：

方案一：利用Set的O(1)查找特性（适用于B是A的引用子集） #

因为你说B是A的子集，意味着B里的元素都是A中元素的同一个引用，那用Set来存储B的引用是最优解：

// 先把B转成Set，只需要遍历B一次，时间O(m)
const bReferenceSet = new Set(B);
// 过滤A时用Set的has方法查找，每次都是O(1)，整体时间O(n)
const result = A.filter(item => bReferenceSet.has(item));

这个方案完全保留了A中元素的引用，而且只需要遍历A和B各一次，性能提升非常明显——10万级别的数据量基本瞬间就能完成筛选。

方案二：基于Date值匹配（适用于B中是A的Date值副本） #

如果遇到特殊情况：B里的Date和A中的Date值相同但引用不同（比如B是通过复制A的Date值生成的），那可以用Date的getTime()方法把时间转成毫秒数来匹配：

// 先把B中所有Date的毫秒值存入Set
const bTimeSet = new Set(B.map(date => date.getTime()));
// 过滤A时对比毫秒值
const result = A.filter(date => bTimeSet.has(date.getTime()));

这个方案的时间复杂度同样是O(n+m)，而且能精准匹配时间值，同时保留A中元素的原引用。

为什么这两个方案快？ #

Set的底层实现是哈希表，has方法的查找时间是常数级O(1)，而原来的indexOf是线性遍历O(m)。把B转成Set后，整个筛选过程的时间复杂度从可怕的O(n*m)降到了O(n+m)，这就是性能提升的关键。

内容的提问来源于stack exchange，提问作者Werewolve