搜索可枚举的最有效方法

Most efficient way to search enumerable

我正在编写一个小程序,它接受一个 .csv 文件作为输入,其中包含大约 45k 行。我正在尝试将此文件的内容与数据库上 table 的内容进行比较(SQL 服务器通过使用 Xrm.Sdk 的动态 CRM,如果它有所不同)。

在我当前的程序中(比较需要大约 25 分钟 - 文件和数据库在此处完全相同,均为 45k 行,没有差异),我将数据库中的所有现有记录都保存在 DataCollection<Entity>它继承了 Collection<T>IEnumerable<T>

在我下面的代码中,我使用 Where 方法进行过滤,然后根据匹配计数执行逻辑。 Where 似乎是这里的瓶颈。有比这更有效的方法吗?我绝不是 LINQ 专家。

foreach (var record in inputDataLines)
{
    var fields = record.Split(',');

    var fund = fields[0];
    var bps = Convert.ToDecimal(fields[1]);
    var withdrawalPct = Convert.ToDecimal(fields[2]);
    var percentile = Convert.ToInt32(fields[3]);
    var age = Convert.ToInt32(fields[4]);
    var bombOutTerm = Convert.ToDecimal(fields[5]);

    var matchingRows = existingRecords.Entities.Where(r => r["field_1"].ToString() == fund
                                      && Convert.ToDecimal(r["field_2"]) == bps
                                      && Convert.ToDecimal(r["field_3"]) == withdrawalPct
                                      && Convert.ToDecimal(r["field_4"]) == percentile
                                      && Convert.ToDecimal(r["field_5"]) == age);

    entitiesFound.AddRange(matchingRows);

    if (matchingRows.Count() == 0)
    {
        rowsToAdd.Add(record);
    }
    else if (matchingRows.Count() == 1)
    {
        if (Convert.ToDecimal(matchingRows.First()["field_6"]) != bombOutTerm)
        {
            rowsToUpdate.Add(record);
            entitiesToUpdate.Add(matchingRows.First());
        }
    }
    else
    {
        entitiesToDelete.AddRange(matchingRows);
        rowsToAdd.Add(record);
    }
}

编辑:我可以确认所有 existingRecords 在执行此代码之前都在内存中。上述循环中没有IO或DB访问。

Convert.ToDecimal(r["field_5"]) == age); 行后添加 ToList 以强制立即执行查询。

var matchingRows = existingRecords.Entities.Where(r => r["field_1"].ToString() == fund
                                  && Convert.ToDecimal(r["field_2"]) == bps
                                  && Convert.ToDecimal(r["field_3"]) == withdrawalPct
                                  && Convert.ToDecimal(r["field_4"]) == percentile
                                  && Convert.ToDecimal(r["field_5"]) == age)
                    .ToList();

Where 实际上并没有执行 您的查询,它只是准备 它。实际执行稍后以延迟的方式发生。在您的情况下,调用 Count 时会发生这种情况,它本身将迭代整个项目集合。但是,如果第一个条件失败,则会检查第二个条件,从而在调用 Count 时导致完整集合的第二次迭代。在这种情况下,您实际上在调用 matchingRows.First().

时执行了 第三次 次查询

当强制立即执行时,你只执行一次查询,因此只迭代整个集合一次,这也会减少你的总时间。

是对的,你应该先执行查询并将结果放入集合中,然后再使用 AnyCountAddRange 或任何方法再次执行查询。在您的代码中,查询可能在每次循环迭代中执行 5 次。

注意文档中的术语延迟执行。如果一个方法以这种方式实现,则意味着该方法可用于构造 LINQ 查询(因此您可以将它与其他方法链接起来,最后您有一个查询)。但只有不使用延迟执行的方法,如 CountAnyToList(或普通的 foreach)才会真正执行它。如果您不希望每次都执行整个查询并且必须多次访问此查询,最好将结果存储在一个集合中(.f.e 和 ToList)。

但是,您可以使用一种更有效的方法,Lookup<TKey, TValue>,它类似于字典,可以使用匿名类型作为键:

var lookup = existingRecords.Entities.ToLookup(r => new 
{
    fund = r["field_1"].ToString(),
    bps = Convert.ToDecimal(r["field_2"]),
    withdrawalPct =  Convert.ToDecimal(r["field_3"]),
    percentile = Convert.ToDecimal(r["field_4"]),
    age = Convert.ToDecimal(r["field_5"])
});

现在您可以非常高效地在循环中访问此查找。

foreach (var record in inputDataLines)
{
    var fields = record.Split(',');
    var fund = fields[0];
    var bps = Convert.ToDecimal(fields[1]);
    var withdrawalPct = Convert.ToDecimal(fields[2]);
    var percentile = Convert.ToInt32(fields[3]);
    var age = Convert.ToInt32(fields[4]);
    var bombOutTerm = Convert.ToDecimal(fields[5]);

    var matchingRows = lookup[new {fund, bps, withdrawalPct, percentile, age}].ToList();

    entitiesFound.AddRange(matchingRows);

    if (matchingRows.Count() == 0)
    {
        rowsToAdd.Add(record);
    }
    else if (matchingRows.Count() == 1)
    {
        if (Convert.ToDecimal(matchingRows.First()["field_6"]) != bombOutTerm)
        {
            rowsToUpdate.Add(record);
            entitiesToUpdate.Add(matchingRows.First());
        }
    }
    else
    {
        entitiesToDelete.AddRange(matchingRows);
        rowsToAdd.Add(record);
    }
}

请注意,即使键不存在(返回空列表),这也会起作用。

另一个选项,基本上与其他答案相同,是先准备数据,这样你就不会重复调用 r["field_2"] 之类的东西(查找速度相对较慢).

这是 (1) 清理您的数据,(2) query/join 您的数据,(3) 处理您的数据的方法。

这样做:

(1)

var inputs =
    inputDataLines
        .Select(record =>
        {
            var fields = record.Split(',');
            return new
            {
                fund = fields[0],
                bps = Convert.ToDecimal(fields[1]),
                withdrawalPct = Convert.ToDecimal(fields[2]),
                percentile = Convert.ToInt32(fields[3]),
                age = Convert.ToInt32(fields[4]),
                bombOutTerm = Convert.ToDecimal(fields[5]),
                record
            };
        })
        .ToArray();

var entities =
    existingRecords
        .Entities
        .Select(entity => new
        {
            fund = entity["field_1"].ToString(),
            bps = Convert.ToDecimal(entity["field_2"]),
            withdrawalPct = Convert.ToDecimal(entity["field_3"]),
            percentile = Convert.ToInt32(entity["field_4"]),
            age = Convert.ToInt32(entity["field_5"]),
            bombOutTerm = Convert.ToDecimal(entity["field_6"]),
            entity
        })
        .ToArray()
        .GroupBy(x => new
        {
            x.fund,
            x.bps,
            x.withdrawalPct,
            x.percentile,
            x.age
        }, x => new
        {
            x.bombOutTerm,
            x.entity,
        });

(2)

var query =
    from i in inputs
    join e in entities on new { i.fund, i.bps, i.withdrawalPct, i.percentile, i.age } equals e.Key
    select new { input = i, matchingRows = e };

(3)

foreach (var x in query)
{
    entitiesFound.AddRange(x.matchingRows.Select(y => y.entity));

    if (x.matchingRows.Count() == 0)
    {
        rowsToAdd.Add(x.input.record);
    }
    else if (x.matchingRows.Count() == 1)
    {
        if (x.matchingRows.First().bombOutTerm != x.input.bombOutTerm)
        {
            rowsToUpdate.Add(x.input.record);
            entitiesToUpdate.Add(x.matchingRows.First().entity);
        }
    }
    else
    {
        entitiesToDelete.AddRange(x.matchingRows.Select(y => y.entity));
        rowsToAdd.Add(x.input.record);
    }
}

我怀疑这将是最快的方法之一。