Question

我有一个大的（超过100K对象）Java对象集合，如下所示。

public class User
{
   //declared as public in this example for brevity...
   public String first_name;
   public String last_name;
   public String ssn;
   public String email;
   public String blog_url;
   ...
}

现在，我需要在此列表中搜索至少3个（任意3个或更多）属性与被搜索对象的属性匹配的对象。

例如，如果我正在搜索具有

的对象

 first_name="John",
 last_name="Gault",
 ssn="000-00-0000",
 email="xyz@abc.com", 
 blog_url="http://myblog.wordpress.com"

搜索应该返回first_name,last_name and ssn匹配的所有对象或last_name, ssn, email and blog_url匹配的对象。同样，可能还有其他组合。

我想知道在这种情况下使用的最佳数据结构/算法是什么。对于精确搜索，我可以使用自定义比较器的哈希集或二进制搜索，但我不确定执行此类搜索的最有效方法是什么。

P.S。

这是不的家庭作业。
我不确定问题标题是否合适。请随时编辑。

修改你们中的一些人已经指出我可以使用ssn（例如）进行搜索，因为它或多或少是唯一的。上面的例子仅说明了真实场景。实际上，我有几个对象，其中一些字段为空，所以我想搜索其他字段。

Answer 1

我认为没有任何特定的数据结构可以快速进行这种匹配/比较。

在比较两个对象的简单级别，您可以实现这样的方法：

public boolean closeEnough(User other) {
    int count = 0;
    count += firstName.equals(other.firstName) ? 1 : 0;
    count += lastName.equals(other.lastName) ? 1 : 0;
    count += ssn.equals(other.ssn) ? 1 : 0;
    count += email.equals(other.email) ? 1 : 0;
    ...
    return count >= 3;
}

要进行大规模搜索，我能想到的唯一方法是在简单的线性扫描（使用上述方法）上改进

为每个属性创建一系列多重映射
使用用户记录

然后每次你想要进行查询：

查询每个多图，以获得一组可能的候选人
使用closeEnough()迭代所有集合以查找匹配项。

您可以通过将SSN，电子邮件地址和博客URL属性与名称属性区别对待来改进此问题。与（例如）查找名为“John”的多个用户相比，前三个属性上具有匹配项的多个用户应该是罕见的。您提出问题的方式需要至少一个SSN，电子邮件或URL匹配（以获得3个匹配项），因此您可能根本无法为名称属性编制索引。

Answer 2

基本上，搜索任何属性与查询中的属性匹配的结果。这应该将搜索空间缩小到相当少的条目。从这些结果中，查找符合条件的条目。这意味着你需要经历并计算有多少属性匹配，如果这超过3，那么你就得到了一个匹配。（此过程相对较慢，您不希望在整个数据库中执行此操作。）

在这种情况下，潜在的优化是从初始过滤阶段中删除first_name和last_name，因为它们比其他属性更有可能为查询获取多个结果（例如，很多人称为“John” “）。

由于三个属性需要匹配，因此从过滤阶段中删除两个属性不会影响最终结果。

Answer 3

只是一个想法;如果你正在寻找有SSN的人，你应该能够迅速缩小它，因为只有一个人应该有一个特定的SSN。

如何在Java bean中执行不精确的比较？

3 个答案: