Scala中合并两个Map[String, Long]的最快方法探讨

你的当前实现虽然能完成功能，但在数据量较大时会有不少额外开销——毕竟要先把两个Map转成Seq，再分组、求和，中间会生成好几个临时集合，还得多次遍历数据。

最快的实现方式：用可变HashMap直接累加 #

直接用scala.collection.mutable.HashMap来手动遍历两个Map，逐个累加对应Key的Value，是性能最优的方案：

import scala.collection.mutable

// 初始化一个空的可变HashMap
val sumMap = mutable.HashMap[String, Long]()

// 先把第一个Map的所有键值对放进去
for ((key, value) <- m1) {
  sumMap(key) = value
}

// 遍历第二个Map，对每个Key做累加
for ((key, value) <- m2) {
  sumMap(key) = sumMap.getOrElse(key, 0L) + value
}

// 如果需要不可变的Map，最后转一下就行
val immutableSumMap: Map[String, Long] = sumMap.toMap

为什么这个方法更快？ #

• 没有多余的中间集合：不用转Seq，也不用groupBy生成临时分组，全程只操作一个HashMap
• 遍历次数最少：每个Map的键值对只被遍历一次，每次的put/get操作都是O(1)的哈希表操作
• 减少对象创建：可变HashMap直接在原结构上修改，不会像不可变Map那样每次更新都生成新节点

使用HashMap确实更高效吗？ #

没错，不管是可变还是不可变的HashMap，都比你当前的实现高效，尤其是可变HashMap：

• 不可变Map（Scala默认的Map其实就是不可变HashMap的实现）每次更新都会生成新的结构，频繁修改时会产生大量临时对象，GC压力大
• 可变HashMap直接在原集合上修改，内存开销更低，操作速度更快

如果你坚持要用不可变风格的代码，也可以用foldLeft优化，但性能会比可变版本稍差：

val sumMap = m2.foldLeft(m1) { case (acc, (key, value)) =>
  acc + (key -> acc.getOrElse(key, 0L) + value)
}

这个方法避免了转Seq，但本质还是不断创建新的不可变Map，数据量大时不如可变HashMap高效。

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