在.net 2中生成唯一集的最快方法是什么

Question

我有一个本质上是名称值对的锯齿状数组——我需要从中生成一组唯一的名称值。锯齿状数组大约有 86,000 x 11 个值。 我必须以何种方式存储名称值对（单个字符串“name=value”或专门的类，例如 KeyValuePair）对我来说并不重要。
附加信息：有 40 个不同的名称和大量不同的值 - 可能在 10,000 个值区域内。

我正在使用 C# 和 .NET 2.0（性能太差了，我认为将整个锯齿状数组推入 sql 数据库并从那里进行选择可能会更好）。

以下是我当前使用的代码：

List<List<KeyValuePair<string,string>>> vehicleList = retriever.GetVehicles();
this.statsLabel.Text = "Unique Vehicles: " + vehicleList.Count;

Dictionary<KeyValuePair<string, string>, int> uniqueProperties = new Dictionary<KeyValuePair<string, string>, int>();
foreach (List<KeyValuePair<string, string>> vehicle in vehicleList)
{
    foreach (KeyValuePair<string, string> property in vehicle)
    {
        if (!uniqueProperties.ContainsKey(property))
        {
            uniqueProperties.Add(property, 0);
        }
    }
}
this.statsLabel.Text += "\rUnique Properties: " + uniqueProperties.Count;

Answer 1

我让它在 0.34 秒内运行从 9 多分钟缩短

问题在于比较 KeyValuePair 结构时。 我通过编写一个比较器对象并将它的一个实例传递给字典来解决它。

据我所知，KeyValuePair.GetHashCode() 返回它的 Key 对象（在本例中是唯一性最低的对象）的哈希码。

当字典添加（并检查是否存在）每个项目时，它同时使用 Equals 和 GetHashCode 函数，但当哈希码不太唯一时必须依赖 Equals 函数。

通过提供更独特的 GetHashCode 函数，它使用 Equals 函数的频率大大降低。我还优化了 Equals 函数，以便在不那么唯一的键之前比较更独特的值。

86,000 * 11 个具有 10,000 个独特属性的项目使用下面的比较器对象在 0.34 秒内运行（没有比较器对象需要 9 分 22 秒）

希望这会有所帮助:)

    class StringPairComparer
        : IEqualityComparer<KeyValuePair<string, string>>
    {
        public bool Equals(KeyValuePair<string, string> x, KeyValuePair<string, string> y)
        {
            return x.Value == y.Value && x.Key == y.Key;
        }
        public int GetHashCode(KeyValuePair<string, string> obj)
        {
            return (obj.Key + obj.Value).GetHashCode();
        }
    }

编辑：如果它只是一个字符串（而不是 KeyValuePair，其中字符串 = 名称 + 值），它的速度大约会快两倍。这是一个很好的有趣的问题，我已经 faaaaaar 花了太多时间在它上面（不过我学会了安静一点）

Answer 2

如果您不需要每个键/值对与您生成的唯一值之间的任何特定关联，您可以只使用 GUID 吗？我假设问题是您当前的“密钥”在这个锯齿状数组中不是唯一的。

Dictionary<System.Guid, KeyValuePair<string, string>> myDict 
   = new Dictionary<Guid, KeyValuePair<string, string>>();


foreach of your key values in their current format
   myDict.Add(System.Guid.NewGuid(), new KeyValuePair<string, string>(yourKey, yourvalue))

听起来它会存储您需要的内容，但我不知道您将如何从中提取数据，因为生成的 Guid 与您最初拥有的内容之间没有语义关系...

您能否在您的问题中提供更多信息？

Answer 3

使用 KeyValuePair 作为包装类，然后创建一个字典来创建一个集合？或者实现您自己的覆盖 Equals 和 GetHashCode 的包装器。

Dictionary<KeyValuePair, bool> mySet;

for(int i = 0; i < keys.length; ++i)
{
    KeyValuePair kvp = new KeyValuePair(keys[i], values[i]);
    mySet[kvp] = true;
}

Answer 4

为什么不使用Dictionary，而不是扩展KeyedCollection<TKey, TItem>？根据文档：

为其键嵌入在值中的集合提供抽象基类。

然后您需要覆盖protected TKey GetKeyForItem(TItem item) 函数。因为它是IList<T> 和IDictionary<TKey, TValue> 之间的混合体，我认为它可能会非常快。

Answer 5

怎么样：

Dictionary<NameValuePair,int> hs = new Dictionary<NameValuePair,int>();
foreach (i in jaggedArray)
{
    foreach (j in i)
    {
        if (!hs.ContainsKey(j))
        {
            hs.Add(j, 0);
        }
    }
}
IEnumerable<NameValuePair> unique = hs.Keys;

当然，如果您使用的是 C# 3.0、.NET 3.5：

var hs = new HashSet<NameValuePair>();
hs.UnionWith(jaggedArray.SelectMany(item => item));

会成功的。

Answer 6

您是否分析过您的代码？你确定 foreach 循环是瓶颈，而不是retriever.GetVehicles()？

我确实创建了一个小型测试项目，我在其中伪造了检索器并让它返回 86.000 X 11 值。我的第一次尝试运行了 5 秒，创建了包含的数据。

我对键和值都使用了相同的值，其中第一个键是“0#0”，最后一个键是“85999#10”。

然后我切换到 guid。结果一样。

然后我把钥匙加长了，像这样：

        var s = Guid.NewGuid().ToString();
        return s + s + s + s + s + s + s+ s + s + s;

现在花了将近 10 秒。

然后我把键弄得非常长，并且出现了内存不足的异常。我的计算机上没有交换文件，所以我立即得到了这个异常。

你的钥匙有多长？您的虚拟内存消耗是性能不佳的原因吗？