Question

我查找了类似于我的问题，但我正在寻找Java内置数据结构约束下的最佳解决方案。

我有两个纯文本文件。虽然file1有一个用户名列表，但file2有来自这些用户和其他用户的推特帖子。推文帖子只是作为文本中的纯文本推送。

对于每个用户，如果有帖子，我必须提取帖子中使用的所有不同的主题标签（假设主题标签是整数，每个帖子都限制在一行）。

这是我选择的数据结构

Map<String, LinkedHashSet<Integer>> usernames = new HashMap<>();

我解决问题的方法

读取file1以填充用户名键，将默认值设置为null。
按顺序读取file2，例如post = file2.readLine（）
如果在hashMap键中找到帖子中的用户名，请将帖子中发现的所有主题标签添加到值Set。

对于一百万用户（file1）和1000万个帖子（file2），这种方法和数据结构听起来是一种好方法吗？

Answer 1

我会说你正在重新发明轮子。当有优秀，快速，有能力，成熟，健壮且免费的Java关系数据库可用时，为什么要担心自己制作内存关系数据模型。

如果我这样做，我只需编写一个程序来读取文本文件中的数据，然后将数据插入到我的数据库中。我推荐HSQLDB。如果与单独使用的JDBC驱动程序一起使用，Apache Derby也可以像SQLite一样使用。

RDBM负责为您进行搜索，存储和数据映射。它可能会比您尝试自行推出的任何解决方案更强大，更高效。

如果我在这个项目中使用HSQLDB，那么我写的DDL看起来像这样：

CREATE CACHED TABLE Users (
    user_id       INTEGER       GENERATED BY DEFAULT AS IDENTITY PRIMARY KEY,
    :
    :

};

CREATE CACHED TABLE Tweets (
    tweet_id      INTEGER       GENERATED BY DEFAULT AS IDENTITY PRIMARY KEY,
    user_id       INTEGER       NULL,
    :
    :

    CONSTRAINT    twe_fk_user   FOREIGN KEY ( user_id ) REFERENCES Users ( user_id )
);

CREATE CACHED TABLE Tags ( 
    tag_id      INTEGER         GENERATED BY DEFAULT AS IDENTITY PRIMARY KEY
    :
    :

);

CREATE CACHED TABLE Tweet_Tag_Bridge (
    tweet_id     INTEGER       NULL,
    tag_id       INTEGER       NULL,

    CONSTRAINT   bridge_pk     PRIMARY KEY ( tweet_id, tag_id ),
    CONSTRAINT   brid_fk_twe   FOREIGN KEY ( tweet_id ) REFERENCES Tweets ( tweet_id ),
    CONSTRAINT   brid_fk_tag   FOREIGN KEY ( tag_id )  REFERENCES Tags ( tag_id )
);

表格推文被映射为与用户具有多对一关系（用户可能有很多推文）;和推文通过桥牌表tweet_tag_bridge与标签建立了多对多的关系。在桥接表中使用主键可确保标签对于任何单个推文都是唯一的（即，任何推文都不应包含任何标签）。

Answer 2

您可能希望使用TreeSet<Integer>而不是LinkedHashSet<Integer> - 它将使用更少的内存（因为它没有加载因子）。

特定文件处理需要的数据结构选择 - java

2 个答案: