我正在编写一个小程序,它接收一个.csv文件作为输入,大约有45k行。我试图将此文件的内容与数据库中的表的内容进行比较(SQL Server通过动态CRM使用Xrm.Sdk,如果它有所不同)。
在我当前的程序中(需要大约25分钟进行比较 - 文件和数据库在这里完全相同,只有45k行没有差异),我在DataCollection<Entity>
继承了数据库中的所有现有记录Collection<T>
和IEnumerable<T>
在我的下面的代码中,我使用Where
方法进行过滤,然后根据匹配计数进行逻辑。 Where
似乎是这里的瓶颈。有没有比这更有效的方法?我绝不是LINQ专家。
foreach (var record in inputDataLines)
{
var fields = record.Split(',');
var fund = fields[0];
var bps = Convert.ToDecimal(fields[1]);
var withdrawalPct = Convert.ToDecimal(fields[2]);
var percentile = Convert.ToInt32(fields[3]);
var age = Convert.ToInt32(fields[4]);
var bombOutTerm = Convert.ToDecimal(fields[5]);
var matchingRows = existingRecords.Entities.Where(r => r["field_1"].ToString() == fund
&& Convert.ToDecimal(r["field_2"]) == bps
&& Convert.ToDecimal(r["field_3"]) == withdrawalPct
&& Convert.ToDecimal(r["field_4"]) == percentile
&& Convert.ToDecimal(r["field_5"]) == age);
entitiesFound.AddRange(matchingRows);
if (matchingRows.Count() == 0)
{
rowsToAdd.Add(record);
}
else if (matchingRows.Count() == 1)
{
if (Convert.ToDecimal(matchingRows.First()["field_6"]) != bombOutTerm)
{
rowsToUpdate.Add(record);
entitiesToUpdate.Add(matchingRows.First());
}
}
else
{
entitiesToDelete.AddRange(matchingRows);
rowsToAdd.Add(record);
}
}
编辑:在执行此代码之前,我可以确认所有existingRecords
都在内存中。上述循环中没有IO或DB访问。
答案 0 :(得分:5)
Himbrombeere是对的,您应首先执行查询并将结果放入集合中,然后才能使用Any
,Count
,AddRange
或任何方法执行再次查询。在您的代码中,可能在每次循环迭代中执行查询5次。
在文档中注意术语延迟执行。如果以这种方式实现方法,则意味着此方法可用于构造LINQ查询(因此您可以使用其他方法链接它,最后您有查询)。但是,只有那些不使用延迟执行的方法,例如Count
,Any
,ToList
(或普通foreach
)才能实际执行它。如果您不希望每次执行整个查询并且您必须多次访问此查询,则最好将结果存储在集合中(.fe with ToList
)。 < / p>
但是,您可以使用一种效率更高的不同方法,Lookup<TKey, TValue>
类似于字典,可以与匿名类型一起使用作为键:
var lookup = existingRecords.Entities.ToLookup(r => new
{
fund = r["field_1"].ToString(),
bps = Convert.ToDecimal(r["field_2"]),
withdrawalPct = Convert.ToDecimal(r["field_3"]),
percentile = Convert.ToDecimal(r["field_4"]),
age = Convert.ToDecimal(r["field_5"])
});
现在,您可以非常有效地在循环中访问此查找。
foreach (var record in inputDataLines)
{
var fields = record.Split(',');
var fund = fields[0];
var bps = Convert.ToDecimal(fields[1]);
var withdrawalPct = Convert.ToDecimal(fields[2]);
var percentile = Convert.ToInt32(fields[3]);
var age = Convert.ToInt32(fields[4]);
var bombOutTerm = Convert.ToDecimal(fields[5]);
var matchingRows = lookup[new {fund, bps, withdrawalPct, percentile, age}].ToList();
entitiesFound.AddRange(matchingRows);
if (matchingRows.Count() == 0)
{
rowsToAdd.Add(record);
}
else if (matchingRows.Count() == 1)
{
if (Convert.ToDecimal(matchingRows.First()["field_6"]) != bombOutTerm)
{
rowsToUpdate.Add(record);
entitiesToUpdate.Add(matchingRows.First());
}
}
else
{
entitiesToDelete.AddRange(matchingRows);
rowsToAdd.Add(record);
}
}
请注意,即使密钥不存在(返回空列表),这也会有效。
答案 1 :(得分:4)
在ToList
行后添加Convert.ToDecimal(r["field_5"]) == age);
以强制立即执行查询。
var matchingRows = existingRecords.Entities.Where(r => r["field_1"].ToString() == fund
&& Convert.ToDecimal(r["field_2"]) == bps
&& Convert.ToDecimal(r["field_3"]) == withdrawalPct
&& Convert.ToDecimal(r["field_4"]) == percentile
&& Convert.ToDecimal(r["field_5"]) == age)
.ToList();
Where
实际上执行您的查询,它只是准备它。实际执行后来以延迟的方式发生。在您调用Count
时会发生这种情况,而Count
本身将迭代整个项目集合。但是如果第一个条件失败,则在调用matchingRows.First()
时检查第二个条件导致完整集合的第二次迭代。在这种情况下,您在调用<!doctype html>
<html lang="en">
<head>
<meta charset="utf-8">
<title>TITLE</title>
<meta name="apple-mobile-web-app-capable" content="yes">
<style>
div{
width:1000px;
height:450px;
position:relative;
border: 1px solid black;
overflow:hidden;
margin-right: auto;
margin-left: auto;
}
iframe{
position:absolute;
width:1280px;
height:1400px;
top:-915px;
left:-240px;
}
</style>
</head>
<body>
<div>
<iframe name="myIframe" src="https://website.com" scrolling="no" frameborder="no"> </iframe>
</div>
<script>
window.setInterval("reloadIFrame();", 10000);
function reloadIFrame() {
document.frames["myIframe"].location.reload();
}
</script>
</body>
</html>
时实际执行该查询 thrird 时间。
当强制立即执行时,您只执行一次查询,因此只迭代整个集合一次,这将减少您的总时间。
答案 2 :(得分:0)
另一个与其他答案基本相同的选项是首先准备您的数据,这样您就不会重复调用r["field_2"]
之类的内容(查找速度相对较慢) )。
这是(1)清理数据,(2)查询/加入数据,(3)处理数据方法。
这样做:
(1)
var inputs =
inputDataLines
.Select(record =>
{
var fields = record.Split(',');
return new
{
fund = fields[0],
bps = Convert.ToDecimal(fields[1]),
withdrawalPct = Convert.ToDecimal(fields[2]),
percentile = Convert.ToInt32(fields[3]),
age = Convert.ToInt32(fields[4]),
bombOutTerm = Convert.ToDecimal(fields[5]),
record
};
})
.ToArray();
var entities =
existingRecords
.Entities
.Select(entity => new
{
fund = entity["field_1"].ToString(),
bps = Convert.ToDecimal(entity["field_2"]),
withdrawalPct = Convert.ToDecimal(entity["field_3"]),
percentile = Convert.ToInt32(entity["field_4"]),
age = Convert.ToInt32(entity["field_5"]),
bombOutTerm = Convert.ToDecimal(entity["field_6"]),
entity
})
.ToArray()
.GroupBy(x => new
{
x.fund,
x.bps,
x.withdrawalPct,
x.percentile,
x.age
}, x => new
{
x.bombOutTerm,
x.entity,
});
(2)
var query =
from i in inputs
join e in entities on new { i.fund, i.bps, i.withdrawalPct, i.percentile, i.age } equals e.Key
select new { input = i, matchingRows = e };
(3)
foreach (var x in query)
{
entitiesFound.AddRange(x.matchingRows.Select(y => y.entity));
if (x.matchingRows.Count() == 0)
{
rowsToAdd.Add(x.input.record);
}
else if (x.matchingRows.Count() == 1)
{
if (x.matchingRows.First().bombOutTerm != x.input.bombOutTerm)
{
rowsToUpdate.Add(x.input.record);
entitiesToUpdate.Add(x.matchingRows.First().entity);
}
}
else
{
entitiesToDelete.AddRange(x.matchingRows.Select(y => y.entity));
rowsToAdd.Add(x.input.record);
}
}
我怀疑这将是最快的方法之一。