Ruby中数组对比性能探究：Array#-性能测量及替代方法

好问题！当处理万级规模的数组时，性能测试和替代实现方案确实值得深究，我来给你详细梳理一下：

Ruby自带的Benchmark标准库是最常用的性能测试工具，能直观帮你统计代码执行的时间。如果需要更精准的每秒执行次数统计，还可以用benchmark-ips gem（需要先gem install benchmark-ips安装）。

示例代码（用Benchmark）： #

require 'benchmark'

# 生成两个万级元素的测试数组
arr1 = (1..10000).to_a.shuffle  # 1到10000的随机数组
arr2 = (1..10000).select { rand(2) == 0 }.shuffle  # 随机选取一半元素作为对比数组

puts "=== Array#- Performance Test ==="
Benchmark.bm(15) do |x|
  x.report("原生Array#-") { arr1 - arr2 }
end

运行后会输出用户时间、系统时间和总耗时，多次运行取平均值会更准确，避免单次运行的波动。

如果用benchmark-ips，代码会更聚焦于吞吐量：

require 'benchmark/ips'

arr1 = (1..10000).to_a.shuffle
arr2 = (1..10000).select { rand(2) == 0 }.shuffle

Benchmark.ips do |x|
  x.report("原生Array#-") { arr1 - arr2 }
  x.compare!
end

它会告诉你代码每秒能执行多少次，对比不同实现的性能差异更直观。

原生Array#-的底层是嵌套循环（对arr1的每个元素，遍历arr2检查是否存在），时间复杂度是O(n*m)，万级元素下会非常慢。下面两种方法能大幅提升性能：

1. 基于哈希表的过滤法 #

利用哈希表O(1)的查找效率，先把arr2的元素存入哈希表，再遍历arr1过滤掉存在于哈希表中的元素，时间复杂度O(n+m)，性能远超原生方法，且结果和原生Array#-完全一致（包括保留原数组的重复元素和顺序）。

代码示例： #

def hash_based_difference(arr1, arr2)
  arr2_hash = arr2.to_h { |elem| [elem, true] }
  arr1.reject { |elem| arr2_hash.key?(elem) }
end

2. 基于Set的差集法 #

Ruby的Set类提供了高效的集合操作，差集操作的时间复杂度也是O(n+m)，但要注意：Set会自动去重，如果原数组包含重复元素，结果会和原生Array#-不一致。适合数组元素唯一的场景。

代码示例： #

require 'set'

def set_based_difference(arr1, arr2)
  (arr1.to_set - arr2.to_set).to_a
end

把三种方法放在一起测试，你会看到明显的性能差距：

require 'benchmark'
require 'set'

arr1 = (1..10000).to_a.shuffle
arr2 = (1..10000).select { rand(2) == 0 }.shuffle

def hash_based_difference(arr1, arr2)
  arr2_hash = arr2.to_h { |elem| [elem, true] }
  arr1.reject { |elem| arr2_hash.key?(elem) }
end

puts "=== Performance Comparison ==="
Benchmark.bm(20) do |x|
  x.report("原生Array#-") { arr1 - arr2 }
  x.report("哈希表过滤法") { hash_based_difference(arr1, arr2) }
  x.report("Set差集法") { (arr1.to_set - arr2.to_set).to_a }
end

运行后你会发现，哈希表和Set方法的耗时只有原生方法的几十分之一甚至几百分之一，万级元素下的差异非常显著。

内容的提问来源于stack exchange，提问作者user3442206