搜索可枚举的最有效方法

Question

我正在编写一个小程序，它接收一个.csv文件作为输入，大约有45k行。 我试图将此文件的内容与数据库中的表的内容进行比较（SQL Server通过动态CRM使用Xrm.Sdk，如果它有所不同）。

在我当前的程序中（大约需要25分钟进行比较 - 文件和数据库在这里完全相同，只有45k行没有差异），我在数据库中的所有现有记录都在DataCollection<Entity>中继承了Collection<T>和IEnumerable<T>

在我下面的代码中，我使用Where方法进行过滤，然后根据匹配计数进行逻辑。 Where似乎是这里的瓶颈。 有没有比这更有效的方法？ 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：在执行此代码之前，我可以确认所有existingRecords都在内存中。 上述循环中没有IO或DB访问权限。

Answer 1

Himbrombeere是对的，您应首先执行查询并将结果放入集合中，然后再使用Any ， Count ， AddRange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。

^{请注意文档中的延迟执行一词。 如果以这种方式实现方法，则意味着此方法可用于构造LINQ查询（因此您可以使用其他方法链接它，最后您有查询）。 但是，只有不使用延迟执行的方法（如Count ， Any ， ToList （或简单的foreach ））才会实际执行它。 如果您不希望每次都执行整个查询并且您必须多次访问此查询，则最好将结果存储在集合中（带有ToList .fe）。}

但是，您可以使用一种效率更高的不同方法， Lookup<TKey, TValue>类似于字典，可以与匿名类型一起使用作为键：

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，您可以非常有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，即使密钥不存在（返回空列表），这也会起作用。

Answer 2

在Convert.ToDecimal(r["field_5"]) == age);之后添加一个ToList Convert.ToDecimal(r["field_5"]) == age); -line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没有实际执行您的查询，它只是准备它。 实际执行后来以延迟的方式发生。 在你调用Count时发生的情况，它本身将迭代整个项目集合。 但是如果第一个条件失败，则在调用Count时检查第二个条件导致完整集合的第二次迭代。 在这种情况下，你打电话时，实际执行该查询thrird时间matchingRows.First()

当强制立即执行时，您只执行一次查询，因此也只迭代整个集合一次，这将减少您的总时间。

Answer 3

另一个选项，基本上与其他答案基本相同，是首先准备你的数据，这样你就不会重复调用r["field_2"] （查找起来相对较慢）。

这是（1）清理您的数据，（2）查询/加入您的数据，（3）处理您的数据方法。

做这个：

（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。