本文介绍一种基于哈希映射的线性时间算法，用于从受限访问接口中快速识别出**完全由查询人员子集构成**的所有群组，避免重复遍历与低效的 containsall 检查。
在实际系统中（如社交网络、权限管理或协作平台），我们常面临一类受限访问场景：无法枚举全部群组或全部人员，但能通过 getGroups(person) 查询某人所属群组，或通过 getPersons(group) 获取某群组成员。此时，若需判断——给定一个人员子集（如 [P1, P3, P2, P4]），哪些群组的所有成员均严格落在此子集中（即该群组被完全“覆盖”），传统嵌套循环 + containsAll() 的做法时间复杂度高达 O(N × M × K)（N：人员数，M：人均群组数，K：平均群组大小），性能瓶颈显著。
更优解法的核心思想是：将“验证群组是否被完全覆盖”转化为“计数匹配”问题。具体步骤如下：
- 预构建群组大小映射：对每个查询人员 p，调用 getGroups(p) 获取其所属群组列表；对每个群组 g，用 getPersons(g) 获取其完整成员数，并缓存为 groupSize[g] = |getPersons(g)|（注意：只需首次访问时计算，后续复用）；
- 统计成员出现频次：维护哈希表 memberCount[g]，遍历每个查询人员 p，对其所属每个群组 g 执行 memberCount[g]++；
- 筛选完全覆盖群组：最终，满足 memberCount[g] == groupSize[g] 的群组 g 即为所求——说明该群组中每个成员都出现在输入人员列表中。
该算法时间复杂度为 O(T)，其中 T 是「查询人员集合中所有人所属群组的总人次」（即所有 getGroups(p) 返回结果的长度之和），空间复杂度为 O(G)，G 为涉及的相关群组总数。相比暴力法，它消除了每次 containsAll() 的线性扫描开销，且天然支持增量更新与缓存优化。
以下是 Java 风格的参考实现（伪代码可直接适配真实接口）：
