并行运行 2 100k 数组需要大约 200k 次比较。您目前正在 350 微秒 = 350k 纳秒内完成它。所以每次比较时间不到 2 纳秒。如果您的 CPU 约为 4 GHz，则为 8 个时钟周期。
那挺好的。您可以尝试变得复杂，检测运行等，但管道停顿对您自己的伤害可能比节省的工作量更大。
只有两种方法可以加快速度。减少工作量，或增加更多工人。
您已经表明减少工作量是可行的，这就是 Tamas Hegedus 建议的原因。不要创建交集，而是创建一个Iterator将返回交集中的下一个事物的交集。这将要求您重写使用所述迭代器的逻辑，但您将完成当前计算的 10% 以下。这将快近 10 倍。
至于添加工作线程，您需要在工作线程之间分配工作并防止它们相互干扰。对于k小型（不大于 CPU 数量！），数组大小为对数工作量，您可以执行快速选择来查找将k-1组合数组分成k偶数块的值（oops Adapt http://www .geeksforgeeks.org/median-of-two-sorted-arrays/而不是进行快速选择...），以及每个数组中这些值的索引。这就产生了k同样困难的问题，每个问题都可以指定为 4 个数字。启动k线程并让每个线程都得到一部分答案。这将比k您当前所做的快大约几倍。
可以将这些方法结合起来，但需要付出更多的努力。你要做的就是让迭代器创建 4 个工作线程，并向每个工作线程分发块。当你调用iter.next()迭代器时，如果它有一个值，它就会给你一个下一个值。如果没有，它将等待正在生成下一个块的工作人员完成，抓取该块，如果准备好，则将另一个块交给该工作人员，然后分发该块中的第一个值。您可以使用块大小。您希望它足够大，以便 CPU 能够很好地确定它应该从 RAM 流式传输到 CPU 缓存，并且不会认为线程之间存在同步争用。
我的猜测是，考虑到大小和同步限制，混合方法不会比迭代器方法有太大的优势（如果有的话）。但如果你真的很绝望，你可以尝试一下。