Question

我有这种情况，其中内存保护是至关重要的。我正在尝试阅读＆gt; 1 GB的肽序列共存于共享相同序列的记忆和组肽实例中。我将Peptide对象存储在Hash中，因此我可以快速检查重复，但发现即使知道Set包含该对象，也无法访问Set中的对象。

内存非常重要，如果可能，我不想复制数据。（否则我会将我的数据结构设计为：peptides = Dictionary<string, Peptide>，但这会复制字典和Peptide类中的字符串）。下面是代码，向您展示我想要完成的任务：

public SomeClass {

       // Main Storage of all the Peptide instances, class provided below
       private HashSet<Peptide> peptides = new HashSet<Peptide>();

       public void SomeMethod(IEnumerable<string> files) {
            foreach(string file in files) {
                 using(PeptideReader reader = new PeptideReader(file)) {
                     foreach(DataLine line in reader.ReadNextLine()) {
                         Peptide testPep = new Peptide(line.Sequence);
                         if(peptides.Contains(testPep)) {

                            // ** Problem Is Here **
                            // I want to get the Peptide object that is in HashSet
                            // so I can add the DataLine to it, I don't want use the
                            // testPep object (even though they are considered "equal")
                            peptides[testPep].Add(line); // I know this doesn't work

                            testPep.Add(line) // THIS IS NO GOOD, since it won't be saved in the HashSet which i use in other methods.

                         } else {
                            // The HashSet doesn't contain this peptide, so we can just add it
                            testPep.Add(line);
                            peptides.Add(testPep);
                         }
                     }   
                 }
            }
       }
}

public Peptide : IEquatable<Peptide> {
     public string Sequence {get;private set;}
     private int hCode = 0;

     public PsmList PSMs {get;set;}

     public Peptide(string sequence) {
         Sequence = sequence.Replace('I', 'L');
         hCode = Sequence.GetHashCode();             
     }

     public void Add(DataLine data) {
         if(PSMs == null) {
             PSMs = new PsmList();
         } 
         PSMs.Add(data);
     }

     public override int GethashCode() {
         return hCode;
     }

     public bool Equals(Peptide other) {
         return Sequence.Equals(other.Sequence);
     }
}

public PSMlist : List<DataLine> { // and some other stuff that is not important }

为什么HashSet不让我获得HashSet中包含的对象引用？我知道人们会试着说如果HashSet.Contains()返回true，那么你的对象是等价的。它们在值方面可能是等价的，但我需要引用相同，因为我在Peptide类中存储了其他信息。

我提出的唯一解决方案是Dictionary<Peptide, Peptide>，其中键和值都指向相同的引用。但这似乎很俗气。还有其他数据结构可以实现吗？

Answer 1

基本上你可以自己重新实现HashSet<T>，但这是我所知道的唯一解决方案。 Dictionary<Peptide, Peptide>或Dictionary<string, Peptide>解决方案可能不会效率低下 - 如果您每个条目只浪费一个参考，我会认为这相对无关紧要。

实际上，如果从hCode中删除Peptide成员，那么每个对象将保护4个字节，这与x86中的引用大小相同......缓存中没有任何意义据我所知，哈希只会计算每个对象的哈希值，至少在您显示的代码中是这样。

如果你真的非常绝望的内存，我怀疑你可以比string更有效地存储序列。如果您向我们提供有关序列所包含内容的更多信息，我们可能会在那里提出一些建议。

我不知道有任何特别强烈的原因为什么HashSet不允许这样做，除了这是一个相对罕见的要求 - 但这是我见过的要求在Java中也是......

Answer 2

使用Dictionary<string, Peptide>。

如何在不枚举的情况下访问HashSet <tvalue>的引用值？</tvalue>

2 个答案: