Scala多线程数组过滤结果与单线程版本不一致问题排查

1. 共享可变资源的线程安全问题 #

这是导致结果不稳定的最主要原因：

• 你使用的scala.collection.mutable.TreeMap不是线程安全的实现，多线程并发执行put操作时，会出现内部排序结构损坏、写入数据丢失的问题，这就是你最终结果始终缺失末尾元素的核心诱因。
• 全局变量totalCollected的+=操作不是原子操作，多线程并发写会出现计数覆盖丢失，所以你会观察到统计值有时正常、有时缺失最后一块的统计量。

2. 索引范围拆分与数据提取逻辑存在隐患 #

• 你当前的拆分逻辑生成的最后一个范围上界为100008，超出数组实际最大索引99999，虽然collect操作不会直接报错，但会做无意义的边界判断，极端场景下可能触发越界异常。
• 你用x collect array.zipWithIndex提取指定范围元素的写法效率极低，相当于每个线程都要全量遍历一遍数组，写错参数顺序的情况下还会直接导致范围数据提取为空。

1. 规避共享可变资源并发写：每个线程单独维护自己的局部Map存储符合条件的元素，所有线程执行结束后再将所有局部Map合并到全局TreeMap中，完全避免并发写冲突。计数逻辑也改成每个线程独立统计自身处理量，最后全局累加，不需要做同步。
2. 修正范围拆分逻辑，主动截断越界部分：

val ranges = (0 until cores).map { i =>
  val start = i * entriesPerChunk
  val end = math.min((i + 1) * entriesPerChunk, array.length)
  start until end
}

3. 优化指定范围元素提取逻辑，直接按索引取值：

val collectedValues = x.map(idx => (array(idx), idx))

内容的提问来源于stack exchange，提问作者Aweq