理想的内存数据结构，用于删除大约的重复数据。 100,000整数

Question

我想加载一个包含大约100,000个整数的文件。在加载过程中，我想删除重复项并将其余部分插入数据库。

1. C＃中理想的数据结构是什么？

2. B树是否适合我的情况，如果是这样，C＃中是否有B树实现？

（我是C＃的新手。）

Answer 1

我只是使用HashSet<T>。它将忽略重复。

请注意，枚举HashSet<T>会以未指定的顺序返回元素。

---

如果您需要排序，请查看SortedDictionary<TKey, TValue>。它是基于树的，可能会更慢。

Answer 2

假设1L == 1Lakh，这不是很大。

只使用不允许重复的集合类型，例如HashSet：

  

HashSet（Of T）类提供高性能的集合操作。集合是一个不包含重复元素的集合，其元素没有特定的顺序。

Answer 3

  

C＃中理想的数据结构是什么？

应主要根据问题选择适当的数据结构。只有这样，编程语言，范例或类框架才会影响该选择。

话虽这么说，HashSet<int>可以很好地完成这项任务：

至少在.NET 4中，这是ISet<T>接口的实现，它为数学sets建模。与multisets（也称为 bags ）不同，它们仅包含不同的成员。因此，如果您将相同的值两次添加到同一HashSet<int>，则只会包含一次。

HashSet<T>即使使用大型集也应该具有良好的性能，因为它是根据哈希表实现的（顾名思义）。

如果您要将值插入关系数据库（其中记录也是无序的），那么集合无序的事实应该无关紧要。

  

B树是否适合我的情况，如果是这样，C＃中是否有B树实现？

（请注意，类库不属于C＃，语言，而是.NET，平台！）

我不知道你为什么特意提到B-tree，但不，.NET BCL（基类库）不包含B树的实现。

如果您需要使用persistent data structures，那么基于树的解决方案可能确实比HashSet<T>更适合，这是可变的。