Question

我有一本非常庞大的字典，里面的内容看起来像：
（标题不包含在字典中）

(code)        (names)
------------------------------
910235487     Diabetes, tumors, sugar sick, .....

我在字典中有超过150K这种对的行。

用户输入是关键词（诊断名称），我无法按键搜索词典。

以下是代码：

var relevantIDs = this.dic.Where(ele => ele.Value.Contains(keyword)).Select(n => Convert.ToUInt64(n.Key));

字典是Dictionary<string, string>，我必须使用字符串作为密钥的数据类型，因为代码有时可能包含字符。 names列包含相关诊断名称的列表。所以我也不能改变这种数据类型。

我认为问题出在一对的每个值上，我做了Contains操作，这会减慢who进程的速度，但我找不到另一种方法...

这是我为了找到匹配的代码所做的但是这段代码的性能非常糟糕（完成这一行代码需要大约5分钟）。

有人可以帮忙吗？

更新和最简单的解决方案：

我终于找到了搜索速度如此之慢的季节，并通过这样做解决了这个问题：

var relevantStringIDs = this.dic.Where(ele => ele.Value.Contains(keyword)).Tolist();
var relevantUlongIDs = relevantStringIDs.Select(n => Convert.ToUInt64(n.Key)).Tolist();

缓慢的原因是this.dic.Where(ele => ele.Value.Contains(keyword))，每次执行查询的第二部分时都会执行（这是IEnumberable<T>的功能，我忘记了它的用语（也许延迟执行））。因此，我使用ToList()将延迟查询转换为内存中的具体列表，以便在将字符串转换为ulongs时可以重用结果，而不是为每次转换再次执行查询。
如果您在此解释中发现错误，请纠正我。

顺便说一下，虽然这可能不是最佳解决方案，但改变后的代码的性能却安静得令人满意。代码的第一个陈述只花费169毫秒，这对我来说足够快。

Answer 1

你这样做是错误的。当您知道键而不是值时，词典允许有效的查找。

修复性能的一种简单方法是构建一个反向字典，模仿内容的全文索引：

var dic = new Dictionary<string, string>();
dic.Add("910235487", "Diabetes, tumors, sugar sick");
dic.Add("120391052", "Fever, diabetes");

char[] delimiters = new char[] { ' ', ',' };

var wordCodes =
    from kvp in dic
    from word in kvp.Value.Split(delimiters, StringSplitOptions.RemoveEmptyEntries)
    let code = long.Parse(kvp.Key)
    select new { Word = word, Code = code };

var fullTextIndex =
    wordCodes.ToLookup(wc => wc.Word, wc => wc.Code, StringComparer.OrdinalIgnoreCase);

long[] test1 = fullTextIndex["sugar"].ToArray();       // Gives 910235487
long[] test2 = fullTextIndex["diabetes"].ToArray();    // Gives 910235487, 120391052

全文索引的构建需要很长时间;但是，这是一次性成本，并将通过后续查找的时间节省来摊销。

Answer 2

你的问题是你通过迭代它的值来失去字典的所有速度优势。字典针对键查找进行了优化。

我会使用不同的数据类型来处理此问题，并针对您的关键字查找进行优化。

这是一个使用LINQ从类似于您的数据创建Lookup的示例。在这种情况下，我直接从字符串数据构建它，这完全避免了字典。

这种类型的查找应该表现得更好。

string [] lines = {
"123 A, B, C, D",
"456 E, F, G",
"321 A, E, H, I",
"654 B, G",
"789 A, J, K, L",
"987 A, M, L, E"
};

var lookup = lines.SelectMany (
    l => (l.Split(new char[]{' '},2)[1]).Split(',').Select (v => v.Trim().ToLower()).ToArray(),
    (l,o) => new{
    keyword = o,
    code = Convert.ToInt64(l.Split(' ')[0])
}).ToLookup(k => k.keyword, v => v.code).Dump();

Console.WriteLine(String.Join(",",lookup["a"]));
Console.WriteLine(String.Join(",",lookup["l"]));
Console.WriteLine(String.Join(",",lookup["b"]));

请注意，这假设您正在查找整个关键字（您的初始示例可能会查找部分关键字）

如何加速在一本巨大的字典中搜索

2 个答案: