Question

我有一个包含以下字段的文档：

FIELD1
FIELD2
字段3
field4中

我有以下表结构：

field1  |  field2  |  field3  |  field4  || result
--------------------------------------------------
foo                   bar                   MC
foo        test1                            MR
           test2                 test3      OM
foo        test1      bar                   CM

当文件进入时，field1为foo，field2（空值），field3为bar，应选择结果MC。当文件进来时，field1是foo，field2是test1，field3是bar，应该选择结果CM。

当然，您可以检查每一列并保持匹配的行打开，直到您循环每一行。但是，这个表结构可能变得非常大，我正在寻找一种能够以高效和良好的方式解决上述问题的算法。

有什么想法吗？

Answer 1

正如@MarkoTopolnik所写，RDBMS做你想做的事。但是如果您仍然想要实现自己的算法，一个选项是创建树：级别1是field1，级别2是field2，等等。每个分支都是表的一行。如果你只有两个字段，这将是这样的：

root----field1.valueA----field2.valueC---result1
    \                \
     \                \--field2.valueD---result2
      \
       \field1.valueB----field2.valueC---result3
                     \
                      \--field2.valueD---result4

您可以在每个级别使用哈希表来实现此树。首先，您有一个散列表，其中field1值作为键，而hastables作为值。这些哈希表以field2为键，result为值。由于您允许null作为值，因此您必须使用HashMap而不是Hashtable。

Answer 2

对于像这样的任何字符串搜索，最快的选项是基数树。创建4个基数树，每个字段对应一个树的叶子是值参与的记录的排序列表。例如，对于字段1，如果搜索Foo，它应该返回像{1,2， 4}表示Foo位于字段1中的记录1,2和4中。结果是您将有4组数字，其中的交点就是答案。

要获得交叉点可以在线性时间内完成，因为它们按排序顺序维护。这是一个简单的有序集合交集算法，用于在C：

中执行此操作

#define int32 unsigned int

// A, B - operands, sorted arrays
// s_a, s_b - sizes of A and B
// C - result buffer
// return size of the result C
size_t intersect_sorted_list(int32 *A, int32 *B, size_t s_a, size_t s_b, int32 *C) {
    size_t i_a = 0, i_b = 0;
    size_t counter = 0;

    while(i_a < s_a && i_b < s_b) {
        if(A[i_a] < B[i_b]) {
            i_a++;
        } else if(B[i_b] < A[i_a]) {
            i_b++;
        } else {
            C[counter++] = A[i_a];
            i_a++; i_b++;
        }
    }
    return counter;
}

快速查找表中的行的算法

2 个答案: