Scala中Set.diff方法异常：返回含交集元素的结果问题排查

看起来你遇到的核心问题是集合的diff操作没有正确排除已存在的Cassandra列，导致尝试创建重复列时触发报错。我们一步步来排查：

1. 首先修复日志中的低级错误 #

你的代码里有一个明显的日志打印错误，这会让你完全无法判断两个集合的真实差异：

// 错误代码：打印extantSet时误用了inputSet！
logger.debug("\n\nextantSet\n"+inputSet.mkString(" * "))

应该改成：

logger.debug("\n\nextantSet\n"+extantSet.mkString(" * "))

这个错误会让你看到的extantSet内容其实是inputSet的副本，导致你误以为已有的列都在extantSet里，但实际情况可能并非如此。修复后才能看到真实的集合对比结果。

2. 排查集合对比失效的可能原因 #

修复日志后，如果问题仍然存在，考虑以下几个方向：

（1）extantSet的构造是否正确 #

你通过extantColumns.map { e => e._1.toLowerCase() }.toSet生成extantSet，这里要确认e._1是否真的对应Cassandra表中已有的列名：

• 检查extantColumns的来源，比如是不是从Cassandra系统表（如system_schema.columns）正确读取的列数据？
• 单独打印extantColumns的每个元素，验证e._1的值是否和你预期的列名一致。

（2）字符串的隐藏差异 #

虽然你都转成了小写，但可能存在肉眼不可见的字符差异：

• 比如列名前后有空格（" adj_in-person" vs "adj_in-person"）
• 特殊字符的编码差异（比如全角/半角符号）
• 可以通过打印字符串的哈希值来验证：

  val targetCol = "adj_in-person"
  println(s"inputSet中该列的哈希: ${inputSet.find(_ == targetCol).map(_.hashCode())}")
  println(s"extantSet中该列的哈希: ${extantSet.find(_ == targetCol).map(_.hashCode())}")
  

如果哈希值不同，说明两个字符串存在隐藏差异。

（3）Cassandra列名的大小写与特殊字符处理 #

Cassandra对列名的大小写规则是：

• 小写且无特殊字符的列名不区分大小写
• 包含特殊字符（如-）的列名会被Cassandra视为区分大小写，必须用双引号包裹才能准确匹配
  如果你的extantColumns读取的是未加引号的列名，可能会导致和inputSet中的列名无法匹配。

3. 快速验证方法 #

针对报错的adj_in-person列，直接在代码中添加验证逻辑：

val testCol = "adj_in-person"
println(s"inputSet包含该列: ${inputSet.contains(testCol)}")
println(s"extantSet包含该列: ${extantSet.contains(testCol)}")

如果结果显示extantSet不包含该列，但实际上Cassandra表中存在，那说明你的extantColumns没有正确获取到已有的列数据，需要排查数据来源。

内容的提问来源于stack exchange，提问作者Jake