循环内重复成员测试性能优化求助：Julia代码`t in test_vector`提速方案

请看以下函数：

using Distributions
using StatsBase
test_vector = sample([1,2,3], 100000000)
function test_1(test_vector)
    rand_vector = randn(3333)
    
    sum = 0.0
    for t in 1:1000
        if t in test_vector
            sum = sum + rand_vector[t]
        else 
            sum = sum - rand_vector[t]
        end
    end
end

使用@profview分析性能后发现，大部分时间消耗在if t in test_vector这一行。请问有没有办法加速这部分代码？曾考虑将test_vector与1:1000拆分后运行两个循环，但这会产生内存分配。能否提供优化思路？

补充说明：需要支持用户传入任意test_vector，示例中使用sample创建test_vector仅为演示用途。

核心问题是数组的in操作是线性扫描，每次判断t in test_vector都要遍历整个1亿元素的数组，1000次循环就是1000亿次无效操作，这是性能瓶颈的根源。下面是几种针对性的优化方案：

方案1：用BitVector标记存在的元素 #

因为循环仅涉及t ∈ 1:1000，可以用一个长度为1000的BitVector（仅占125字节）标记哪些数出现在test_vector中，后续查询直接通过索引访问，时间复杂度O(1)：

function test_optimized_bit(test_vector)
    # 初始化全false的BitVector，标记1-1000中存在的元素
    present = falses(1000)
    for x in test_vector
        if 1 ≤ x ≤ 1000
            present[x] = true
        end
    end
    
    rand_vector = randn(3333)
    sum = 0.0
    for t in 1:1000
        sum += present[t] ? rand_vector[t] : -rand_vector[t]
    end
    return sum
end

优势： #

• 内存占用极小，构建成本低；
• 查询操作是直接索引，比Set更快；
• 仅需遍历一次test_vector，总操作量为O(m + 1000)（m为test_vector长度），远低于原代码的O(1000*m)。

方案2：用Set存储有效元素 #

如果t的范围不固定（比如后续可能扩展到更大区间），可以先过滤出test_vector中属于1:1000的元素，存入Set（in操作O(1)）：

function test_optimized_set(test_vector)
    # 过滤出1-1000范围内的元素，转成Set
    present = Set{Int}(x for x in test_vector if 1 ≤ x ≤ 1000)
    
    rand_vector = randn(3333)
    sum = 0.0
    for t in 1:1000
        sum += t in present ? rand_vector[t] : -rand_vector[t]
    end
    return sum
end

优势： #

• 适用于t范围不固定的场景；
• 避免存储无关元素，减少Set的内存占用。

关于内存分配的说明 #

你提到的拆分循环会产生内存分配，但上述方案的内存分配是一次性的，且量级极小：

• BitVector方案仅分配1000位（约125字节）；
• Set方案仅存储test_vector中属于1:1000的元素，对于示例中的test_vector（仅含1、2、3），Set仅存3个元素，内存可以忽略。

这些分配带来的性能提升远大于分配本身的开销，完全可以接受。

内容的提问来源于stack exchange，提问作者user1691278