Question

背景：

我将数据从MySQL数据库导入SQL-Server数据库（用于报告，后来用于SSAS-Cube）。我想同时规范化数据。我想将重复Ticket_IDs分组到表Contact中的一条记录以及其他有用的信息，并将rawdata保留在子表ContactDetail中（使用foreignkey进行联系）。因此，Contact中的每条记录都有一个唯一的Ticket_ID。

我决定使用强类型数据集进行导入。现在我想知道如果我已经添加了Ticket_ID，最好的方法是什么。我可以在每个循环（~100000条记录）中检查它，但我假设有更好/更快的方式。

简化的样本数据：

Ticket_ID    ID     fiContact
89442226     1      1
89442226     2      1
89442226     3      1
89442261     4      2
89442261     5      2
89442354     6      3
89442359     7      4
89442359     8      4
89442367     9      5
89442504     10     6

这应该是Contact - 表

Ticket_ID    idContact
89442226     1
89442261     2
89442354     3
89442359     4
89442367     5
89442504     6

问题：

是否可以通过Ticket_ID对LINQ / LINQ-to-DataSet进行分组，并获取每个ContactRow的ContactDetailRows列表？我知道有一个GroupBy - 扩展，但我不确定如何使用它，如果它做了我需要的（保持ContactDetail-Rows，就像一个带有Ticket_ID作为键和List(of EmailRow)的dicitonary作为价值）。

这就是我所拥有的（简化）：

    For Each srcEmail In src.email 'i want to group src.email by Ticket_ID'
        'so far i check for existence in every loop'
        Dim res = From c In dest.Contact
               Where c.Ticket_ID = srcEmail.ticket_id
        If Not res.Any Then
            'create new Contact
            Dim newContact = Me.dest.Contact.NewContactRow
            newContact.Ticket_ID = srcEmail.ticket_id
            ' ..... '
            dest.Contact.AddContactRow(newContact)
        End If
        'TODO: create ContactDetail row and add it to the DataTable '
    Next

src：输入的DataSet（MySQL）
src.email：输入的DataTable =＆gt;进入ContactDetail
dest：键入的DataSet（SQL-Server）
dest.Contact键入的DataTable
dest.ContactDetail键入DataTable，其中fk为Contact

我更喜欢VB.NET，因为我还不熟悉LINQ，语法在C＃中完全不同。

修改

感谢@Magnus我已经按照以下方式进行：

Dim emailsPerTicketID = src.email.ToLookup(Function(email) email.ticket_id)
For Each ticket In emailsPerTicketID
    'create new Contact
    Dim newContact = Me.dest.Contact.NewContactRow
    newContact.Ticket_ID = ticket.Key
    newContact.CreatedAt = ticket.First().modified_time
    ' ...... '
    dest.Contact.AddContactRow(newContact)
    'TODO: add now all EmailRows'
    For Each emailRow In ticket
       Dim newContactDetail = dest.ContactDetail.NewContactDetailRow
       newContactDetail.ContactRow = newContact
       newContactDetail.Interaction = emailRow.interaction
       ' .... '
       dest.ContactDetail.AddContactDetailRow(newContactDetail)
    Next
Next

我会看看这是否比使用HashSet的迭代方法更快，以检测联系人是否已经创建。

Answer 1

我的VB生锈了，但这里有一个镜头：

Dim ticketGroups = From c in dest.Contact
                    Group c By Ticket_ID = c.Ticket_ID 
                    Into Tickets = Group

For Each ticketGroup In ticketGroups
    For Each ticket in ticketGroup.Tickets
        ' Create the row, add it, etc.
        Dim newContact = Me.dest.Contact.NewContactRow
        newContact.Ticket_ID = ticketGroup.Ticket_ID
        ' .... '
        dest.Contact.AddContactRow(newContact)
    Next
Next

或者，如果您希望每次循环检查它，您可以使用HashSet，每次只需将票证ID添加到哈希集，然后通过{{1}检查其存在} 方法。这比你正在做的要快，但我怀疑LINQ分组会比HashSet更快。

Answer 2

我认为使用Lookup（如字典，但使用密钥/ Collection）将是一个很好的解决方案。像这样的东西：

var lookup = ds.Tables["src"].AsEnumerable().ToLookup(x => x.Field<int>("Ticket_ID"));
foreach (var row in ds.Tables["dest"].AsEnumerable())
{
    if(!lookup.Contains(row.Field<int>("Ticket_ID ")))
    {
        //create new Contact
    }
    else
    {
        //do other struff
    }
}

如果您需要任何帮助，请将任何语法翻译成VB评论我。

GroupBy在LINQ to DataSet中

2 个答案: