哪个更快更方便：Hashtable 还是 Dictionary<int, double>()？答案

【问题标题】：What is faster and more convenient: Hashtable or Dictionary<int, double>()?哪个更快更方便：Hashtable 还是 Dictionary<int, double>()？
【发布时间】：2011-04-29 12:23:25
【问题描述】：

序言：我正在处理产生大型数据数组的重载应用程序。

我写了下面这个类

    using System;
    using System.Collections;
    using System.Collections.Generic;

    namespace CSharpSampleApplication.Data.CoreObjects
    {
        [Serializable]
        public class CalcItem
        {
            public CalcItem()
            {
                _additional = new Hashtable();
            }

            private readonly Hashtable _additional;

            public bool ContainsKey(int id)
            {
                return _additional.ContainsKey(id);
            }

            public void Add(int id, double value)
            {
                _additional.Add(id, value);
            }

            public DateTime Date { get; set; }

            public object this[int id]
            {
                get
                {
                    return _additional[id];
                }
            }
        }


    }

然后，在另一个类中，我创建了包含以下内容的管理器：

    public List<CalcItem> CalcItems{ get; private set;}
    private readonly Dictionary<string, int> _keys;
    private int _index;
    private readonly object  _lock = new object();

    public int GetIndex(string key)
    {
        lock (_lock)
        {
            if (_keys.ContainsKey(key))
                return _keys[key];
            else
            {
                _index++;
                _keys.Add(key, _index);
                return _index;
            }
        }
    }

通过使用这些类，我记录了一些实时数据，例如：

                var clc = new CalcItem();
                clc.Date = DateTime.Now;
                clc.Add(_calcItemManager.GetIndex("testData"), r.Next() / 100.00);
                clc.Add(_calcItemManager.GetIndex("testData1"), r.Next() / 100.00);

                i++;

                if (i % 25 == 0)
                {
                    clc.Add(_calcItemManager.GetIndex("testData2"), r.Next()/100.00);
                    clc.Add(_calcItemManager.GetIndex("testData3"), r.Next()/100.00);
                    clc.Add(_calcItemManager.GetIndex("testData4"), r.Next()/100.00);
                    clc.Add(_calcItemManager.GetIndex("testData5"), r.Next()/100.00);
                }
                _calcItemManager.Add(clc);

所以管理器存储了所有 calcItems 的 [string key]-[int index] 绑定。

问题是：使用Dictionary<int, double> 而不是 Hashtable() 来优化内存使用和更快的性能会更好吗？列表项 - 包含大约 1.000.000 条记录 CalcItem.Additional - 包含大约 5 - 10 条记录

【问题讨论】：

标签： c# .net data-structures memory-management

【解决方案1】：

回答“更快”的正确方法是为您的典型数据计时。但是字典更方便（无需强制转换）和高效（无需装箱）。

但是，如果数据键是连续的，最好只使用 List-of-double，并将键用作索引（如果您的数据没有开始，则使用偏移量在 0)。

【讨论】：

最好的！双列表 - 令人难以置信的想法 - 看看我的答案和新的 CalcItem 类！非常感谢。

【解决方案2】：

我认为this StackOverflow question 接受的答案也回答了你的问题。

简而言之，两种数据结构在大多数情况下的性能非常相似。如果它对您很重要，您可以（并且应该）衡量。

【讨论】：

【解决方案3】：

Marc Gravell - 与 List-of-double 的糟糕决定！！！我怎么能错过呢？！内存减少了两倍！这是我的新代码：

    using System;
    using System.Collections;
    using System.Collections.Generic;

    namespace CSharpSampleApplication.Data.CoreObjects
    {
        [Serializable]
        public class CalcItem
        {
            public CalcItem()
            {
                _additional = new List<double>();
            }

            private readonly List<double> _additional;

            public bool ContainsKey(int id)
            {
                return _additional.Count - 1 >= id;
            }

            public void Add(int id, double value)
            {
                if(ContainsKey(id))
                    _additional[id] = value;
                else
                {
                    while (!ContainsKey(id))
                    {
                        _additional.Add(0);
                    }
                    _additional[id] = value;
                }
            }

            public DateTime Date { get; set; }

            public object this[int id]
            {
                get
                {
                    return _additional[id];
                }
            }
        }


    }

【讨论】：