统计多数组列组合重复数的两种Ruby方案哪个性能更优，为什么？

性能对比结论 #

方案2性能更优，二者的性能差异主要来自内存开销和遍历逻辑的复杂度差异，具体分析如下：

共同开销部分 #

两个方案第一步都执行了a.zip(b, c)，将三个数组合并为元素是三元组的新数组，这一步的时间、内存开销完全一致，差异在后续的重复统计逻辑。

方案1的额外开销 #

• group_by操作会为每个唯一的三元组构建一个存储所有匹配元素的数组，假设某三元组重复N次，就要额外存储N个元素的数组，内存开销随数组总长度线性增长，构建这些数组也会产生额外CPU消耗
• 额外执行了一次select全哈希遍历，过滤出现次数≤1的分组，属于冗余遍历
• 总计需要执行3次全量/半全量遍历：group_by遍历、select遍历、求和遍历

方案2的优势 #

• 直接统计每个三元组的出现次数，哈希的value仅存储整数计数，不需要存储全部分组元素，内存开销仅和唯一三元组的数量成正比，重复数据越多，内存优势越明显
• 不需要做冗余的分组数组构建、过滤操作，CPU指令数远低于方案1
• 总计只需要2次全量/半全量遍历：计数遍历、哈希求和遍历，遍历次数更少

可优化的简化版本 #

你还可以进一步优化方案2，把两次哈希遍历合并为一次，性能还能再提升：

zip = a.zip(b, c)
count = Hash.new(0)
sum = 0
zip.each do |e|
  count[e] += 1
  sum += 1 if count[e] > 1
end
return sum

内容的提问来源于stack exchange，提问作者Tarta