Question

假设我有一个大型列表（大约10,000个条目）的字符串三元组：

car    noun    yes
dog    noun    no
effect noun    yes
effect verb    no

假设我出现了一个双字符串 - 例如，（效果，动词） - 我需要快速查看列表以查看该对是否出现，如果出现，则表示其值是“是”还是“否”。（对于此示例，双重确实出现，值为“no”。）

Java中用于存储列表的最佳数据结构是什么，以及执行搜索的最有效方法是什么？我正在运行成千上万的搜索，因此速度至关重要。

谢谢！

Answer 1

您可以考虑使用HashMap<YourDouble, String>。搜索将是O（1）。

你可以创建一个对象，YourDouble保存前两个值，或者将一个附加到另一个 - 如果值仍然是唯一的 - 并使用HashMap<String, String>。

Answer 2

我会为您想要的每种搜索类型创建HashMultimap，例如“全部三个”，“每一对”和“每个单独的领域”。当您构建列表时，填充所有不同的地图，然后您可以从适合您的查询的任何地图中获取。

（缺点是你需要至少每个arity的类型，例如，对于“单个字段”地图只使用String，但对于两个字段地图使用Pair，并且{Triple 1}}用于三场地图。）

Answer 3

您可以使用HashMap，其中键是前两个字符串的串联，您将用于查找，并且值是布尔值，表示yes和{ {1}}字符串。

或者，似乎第二列中的单词会更少，因为它们代表类别。您可以首先使用no进行索引，例如“名词”，“动词”等，然后你通过例如索引“car”，“dog”，“effect”，以获得你的布尔值。这可能会更节省空间。

Answer 4

对我来说，10k对我来说似乎并不大。你试过DB吗？

查找此类信息的地方是Semantic Web。许多项目只适用于这种类型的Triple Stores。三重存储实现页面底部有一个列表。

就java而言，你的算法几乎肯定会依赖于语言，如果你发现在C中实现了一个好的算法，它的java端口也会很快。

另外，您的数据集是什么样的？是否有很多2个匹配，主语和动词通常是相同的？你期望获得多少场比赛？ MapReduce可以很好地找到10k中的一个匹配，但是在查询无法轻松分区的情况下执行返回8k的10k的查询时效果不佳。

还有一种仅针对此问题的查询语言：SPARQL。 bigdata blog有一些很好的见解，但10k似乎并不那么大。