快速从 C# HashSet 中获取随机元素

Question

我需要存储一组元素。我需要的是功能

1. 删除（单个）元素并
2. 添加（组）元素和
3. 每个对象只能在集合中出现一次并且
4. 从集合中随机获取一个元素

我选择了 HashSet (C#)，因为它采用 fast 方法来删​​除元素 (hashSet.remove(element))，添加集合 (hashSet.UnionWith (anotherHashSet)) 并且 HashSet 的性质保证不存在重复，因此需要注意要求 1 到 3。

我发现获得随机元素的唯一方法是

Object object = hashSet.ElementAt(rnd.Next(hashSet.Count));

但这非常慢，因为我为地图的每个像素调用一次（从多个起点创建随机洪水填充；目前地图大小为 500x500，但我想更大）并且哈希集相当很多项目。 （快速测试表明它在再次缩小之前会炸毁多达 5752 个条目。）

分析（CPU 采样）告诉我 ElementAt 调用占了 50% 以上。

我意识到对大哈希集进行 500x500 操作并非易事，但其他操作（Remove 和 UnionWith）的调用频率与 ElementAt 一样频繁，因此主要问题似乎是操作而不是调用次数。

我隐约明白为什么从 HashSet 中获取某个元素非常昂贵（与从列表或其他有序数据结构中获取它相比，但我只想随机选择。真的很难吗？有没有办法解决它？是否有更好的数据结构适合我的目的？

将所有内容更改为 Lists 并没有帮助，因为现在其他方法成为瓶颈，并且需要更长的时间。

将 HashSet 转换为一个数组并从中选择我的随机元素预计没有帮助，因为虽然从数组中选择一个随机元素很快，但首先将 hashset 转换为数组需要比运行 hashSet.ElementAt 更长的时间自己。

如果你想更好地理解我想要做什么：A link to my question and the answer.

Answer 1

我认为OrderedDictionary 可能适合您的目的：

var dict = new OrderedDictionary();

dict.Add("My String Key", "My String");
dict.Add(12345, 54321);

Console.WriteLine(dict[0]); // Prints "My String"
Console.WriteLine(dict[1]); // Prints 54321

Console.WriteLine(dict["My String Key"]); // Prints "My String"
Console.WriteLine(dict[(object)12345]);   // Prints 54321 (note the need to cast!)

这具有快速添加和删除以及 O(1) 索引。它仅适用于 object 键和值 - 没有通用版本。

[编辑] 多年后：我们现在有了强类型泛型 SortedDictionary<TKey, TValue>，它可能会更好。

Answer 2

基本问题是索引。

在数组或列表中，数据由其坐标索引 - 通常只是一个简单的 int 索引。在HashSet 中，您自己选择索引 - 键。但是，副作用是没有“坐标”——“索引 3 处的元素”这个问题真的没有意义。它的实际实现方式是枚举整个HashSet，逐项枚举，并返回第n 项。这意味着要获得第 1000 个项目，您还必须枚举之前的所有 999 个项目。这很痛。

解决此问题的最佳方法是根据HashSet 的实际密钥选择随机数。当然，这只有在像这样选择随机密钥是合理的情况下才有效。

如果您不能以令人满意的方式随机选择密钥，您可能希望保留两个单独的列表 - 每当您将新项目添加到 HashSet 时，将其密钥添加到 List<TKey>；然后，您可以轻松地从List 中选择一个随机密钥，然后按照它进行操作。根据您的要求，重复可能不是什么大问题。

当然，如果您只进行一次枚举，您可以节省 ElementAt 枚举 - 例如，在搜索 HashSet 之前，您可以将其转换为 List。当然，这仅在您一次选择多个随机索引时才有意义（例如，如果您一次随机选择 5 个索引，您将平均节省大约 1/5 的时间） - 如果您总是选择一个，然后修改 HashSet 并选择另一个，这将无济于事。

根据您的具体用例，可能还值得一看 SortedSet。它的工作方式与HashSet 类似，但它保持键的顺序。有用的部分是您可以使用 GetViewBetween 方法来获取整个范围的键 - 如果您的键是稀疏的，但在任意范围之间很好地平衡，您可以非常有效地使用它。您只需先随机选择一个范围，然后使用GetViewBetween 获取范围内的项目，然后从其中随机选择一个。实际上，这将允许您对搜索结果进行分区，并且应该会节省相当多的时间。