用 Set 实现数组并集、交集、差集可大幅提升性能：并集用 [...new Set([...a, ...b])]（基础类型）或按 key 提取去重（对象数组）；交集用 a.filter(x => setB.has(x))；差集用 a.filter(x => !setB.has(x))，均需预建 Set 以避免 O(n²) 复杂度。
用 Set 实现数组并集时，别直接 new Set([...a, ...b])
这个写法看似简洁，但会丢失原始数组中重复元素的语义——如果业务上 a 或 b 本身含重复项（比如用户 ID 列表可能有重试导致的重复请求），而你只关心“是否出现过”，那没问题；但若后续要统计频次或保留上下文，Set 一上来就去重反而掩盖了问题。更关键的是，它无法处理对象数组：new Set([{id:1}, {id:1}]) 会认为两个对象不同，结果长度为 2。
实操建议：
- 纯数字/字符串数组求并集：用
[...new Set([...a, ...b])]是安全且高效的 - 对象数组需按字段比对（如
id）：先用map提取 key，再套一层Set去重，最后通过filter回溯原数组 - 注意 V8 对超大数组（>10⁵ 元素）展开运算符的性能抖动，可改用
for...of循环 +add()
交集不能只靠 filter(x => b.includes(x)) 做判断
includes() 在 b 较大时是 O(n) 查找，整体变成 O(m×n)，10 万级数组可能卡顿。用 Set 预存 b 的值，能把单次查找压到 O(1) 平均复杂度。
实操建议：
- 基础写法：
const setB = new Set(b); const intersection = a.filter(x => setB.has(x)) - 如果 a、b 都是对象数组，先构造
setB存b.map(x => x.id)，再a.filter(x => setB.has(x.id)) - 注意 NaN 的陷阱：
new Set([NaN]).has(NaN)返回true，但[NaN].includes(NaN)也返回true，这点倒是一致；不过Object.is(NaN, NaN)才是真正可靠的全等判断，Set 内部用的就是Object.is
差集（a 相对于 b 的差）要分清是“a 中有、b 中没有”还是“对称差”
业务里常混淆这两个概念。“a 对 b 的差集”指 a.filter(x => !b.includes(x))，而“对称差”是 (a−b) ∪ (b−a)，即双方独有的元素。前者用一个 Set 就够，后者得建两个 Set 再合并。
实操建议：
- 单向差集（推荐）：
const setB = new Set(b); a.filter(x => !setB.has(x)) - 对称差集：
[...a.filter(x => !setB.has(x)), ...b.filter(x => !setA.has(x))]，其中setA = new Set(a) - 如果 a、b 量级悬殊（比如 a 是 100 个用户，b 是 100 万订单 ID），优先把大数据构造成
Set，小数据来遍历，避免内存浪费
遇到嵌套结构或深比较时，Set 失效是正常现象
Set 只做引用比较或 Object.is 比较，对 {a:1} 和 {a:1} 视为不同元素。业务中常见“订单列表 diff”“配置项变更检测”，这时不能硬套 Set，得降级用 JSON.stringify 或专用库（如 lodash.isequal）预处理。
实操建议：
- 简单扁平对象可转成唯一 key：
x => `${x.id}_${x.status}`，再塞进Set - 慎用
JSON.stringify：属性顺序不一致会导致 key 不同；undefined、function、Symbol 会被忽略；循环引用直接报错 - 真需要深比较交集，不如先用
Map存key → item映射，再双层遍历 +isEqual，别强塞Set
实际业务里最易被忽略的，是数组元素类型混杂（比如后端返回的 ID 有时是字符串、有时是数字），Set 不会自动转换类型，"1" 和 1 被视为不同值。上线前务必检查数据契约，必要时统一类型再进 Set。
