JS性能优化：替换嵌套forEach循环实现血压数据高效合并

需求说明 #

入参vitalsArray为未排序的生命体征对象数组，数组中收缩压（systolic）、舒张压（diastolic）条目可能存在配对关系，也可能无对应匹配项。满足匹配规则时，属于同一次血压（BP）测量的收缩压与舒张压对象需合并为一条完整的血压记录。
当前实现采用嵌套forEach循环完成匹配逻辑，需要性能更优的替代方案。

原有实现代码 #

const mergeBloodPressures = (vitalsArray) => {
  let ids = []
  let finalArray = []
  vitalsArray.forEach((tmpBP) => {
    vitalsArray.forEach((bp) => {
      let matchDate = moment(bp.takenOn).isSame(
        moment(tmpBP.takenOn),
        "minute"
      )
      if (
        matchDate &&
        bp.vitalType.name != tmpBP.vitalType.name &&
        !ids.includes(bp.id) &&
        !ids.includes(tmpBP.id)
      ) {
        let temp = {}
        if (bp.vitalType.name == "diastolic blood pressure") {
          temp.diastolic = bp
          temp.systolic = tmpBP
        } else {
          temp.diastolic = tmpBP
          temp.systolic = bp
        }
        ids.push(bp.id)
        finalArray.push(temp)
      }
    })
  })
  return finalArray
}

示例输入 #

[
  {
    "patient_id": 716,
    "vital_type_id": 2,
    "value": "78",
    "taken_on": "2022-06-22T14:49:48.948-05:00",
    "vitalType": {
      "id": 2,
      "name": "diastolic_blood_pressure",
      "units": "mmHg",
      "created_at": "2022-06-22T14:40:43.746-05:00",
      "updated_at": "2022-06-22T14:40:43.746-05:00"
    },
    "id": 9101
  },
  {
    "patient_id": 716,
    "vital_type_id": 1,
    "value": "129",
    "taken_on": "2022-06-22T14:49:48.948-05:00",
    "vital_type": {
      "id": 1,
      "name": "systolic_blood_pressure",
      "units": "mmHg",
      "created_at": "2022-06-22T14:40:43.740-05:00",
      "updated_at": "2022-06-22T14:40:43.740-05:00"
    },
    "id": 9102
  }
]

示例输出 #

[
  {
    "diastolic": {
      "patient_id": 716,
      "vital_type_id": 2,
      "value": "78",
      "taken_on": "2022-06-22T14:49:48.948-05:00",
      "vitalType": {
        "id": 2,
        "name": "diastolic_blood_pressure",
        "units": "mmHg",
        "created_at": "2022-06-22T14:40:43.746-05:00",
        "updated_at": "2022-06-22T14:40:43.746-05:00"
      },
      "id": 9101
    },
    "systolic": {
      "patient_id": 716,
      "vital_type_id": 1,
      "value": "129",
      "taken_on": "2022-06-22T14:49:48.948-05:00",
      "vitalType": {
        "id": 1,
        "name": "systolic_blood_pressure",
        "units": "mmHg",
        "created_at": "2022-06-22T14:40:43.740-05:00",
        "updated_at": "2022-06-22T14:40:43.740-05:00"
      },
      "id": 9102
    }
  }
]

原有实现的问题 #

• 嵌套循环导致时间复杂度为O(n²)，数据量上涨时性能会快速下降
• 用数组includes判断ID是否已匹配，查找复杂度为O(n)，进一步拉高整体耗时
• 每次循环都重复解析两个时间值做对比，存在大量冗余计算
• 没有加患者ID作为匹配维度，可能出现不同患者同时间的血压记录错配
• 没有兼容字段名、类型名格式不一致的边界情况，实际运行容易出错

优化方案 #

用哈希表做分组，将匹配维度（对齐到分钟的时间戳+患者ID）作为key，单次遍历完成分组，再遍历分组输出配对结果，整体时间复杂度降到O(n)。

优化后代码 #

const mergeBloodPressures = (vitalsArray) => {
  const matchedIds = new Set()
  const minuteGroupMap = new Map()
  const finalArray = []

  // 第一次遍历：按匹配维度分组，预处理时间避免重复解析
  for (const bp of vitalsArray) {
    // 兼容takenOn/taken_on两种字段命名
    const takenTime = moment(bp.takenOn ?? bp.taken_on)
    // 时间对齐到分钟，拼接患者ID作为唯一分组key，避免跨患者错配
    const groupKey = `${bp.patient_id}_${takenTime.startOf('minute').valueOf()}`
    if (!minuteGroupMap.has(groupKey)) {
      minuteGroupMap.set(groupKey, { systolic: null, diastolic: null })
    }
    const group = minuteGroupMap.get(groupKey)
    // 兼容vitalType/vital_type两种字段，兼容下划线/空格分隔的类型名
    const typeName = (bp.vitalType?.name ?? bp.vital_type?.name || '').replaceAll(' ', '_')
    if (typeName === 'systolic_blood_pressure') {
      group.systolic = bp
    } else if (typeName === 'diastolic_blood_pressure') {
      group.diastolic = bp
    }
  }

  // 第二次遍历分组，输出配对完成的记录
  for (const group of minuteGroupMap.values()) {
    if (group.systolic && group.diastolic) {
      finalArray.push({
        systolic: group.systolic,
        diastolic: group.diastolic
      })
      matchedIds.add(group.systolic.id)
      matchedIds.add(group.diastolic.id)
    }
    // 若需要保留未配对的单条血压记录，可在此处补充逻辑将单条记录加入结果
  }

  return finalArray
}

优化点说明 #

• 去掉嵌套循环，整体时间复杂度从O(n²)降至O(n)，千条以上数据量下性能提升非常明显
• 用Set存储已匹配ID，ID查找操作从O(n)降至O(1)
• 每条记录的时间只解析一次，消除重复的moment解析开销
• 补充患者ID作为匹配维度，修复跨患者错配的逻辑bug
• 兼容接口返回字段名不一致、类型名格式不一致的边界情况，鲁棒性更强

如果存在同一患者同一分钟内有多组血压测量的场景，只需把分组内的systolic/diastolic字段改为数组结构，按记录入库顺序依次配对即可，不需要调整整体实现逻辑。

内容的提问来源于stack exchange，提问作者user19549927