public class Data
{
public int DID; public List<int> Items; //长度为16 //统计字段 有50个
public int C010; //统计 前0-10个范围为真的个数 .......
public int C5001000; //统计 500-1000范围为真的个数}Data对象有30W个public class HistData
{
public int HID; public List<int> Items; //长度为6
}HistData对象 现有1000多条 (可增长,)要求是 用每个HistData对象 跟 Data做比较 并判断 Data.Items 是否包含 HistData.Items的数据
假如HistData 对象为10条 ,Data为1条的话.将会产生以下结果 (T = true or F = false)T
F
T
F
T
F
T
F
T
T
并且统计 如 0-10 中 为真的个数 ! 而且每拿HistData 对象 跟Data (30W个)对象 选择某些满足条件的Data对象保留下来!怎么速度最快!
{
public int DID; public List<int> Items; //长度为16 //统计字段 有50个
public int C010; //统计 前0-10个范围为真的个数 .......
public int C5001000; //统计 500-1000范围为真的个数}Data对象有30W个public class HistData
{
public int HID; public List<int> Items; //长度为6
}HistData对象 现有1000多条 (可增长,)要求是 用每个HistData对象 跟 Data做比较 并判断 Data.Items 是否包含 HistData.Items的数据
假如HistData 对象为10条 ,Data为1条的话.将会产生以下结果 (T = true or F = false)T
F
T
F
T
F
T
F
T
T
并且统计 如 0-10 中 为真的个数 ! 而且每拿HistData 对象 跟Data (30W个)对象 选择某些满足条件的Data对象保留下来!怎么速度最快!
HistData假如有30W个,你开20个线程(根据你的电脑配置开更高),每个线程处理100个HistData。
哪条线程工作完成,继续处理后面的数据。
再开一条线程用来处理完成的数据。
{
Dictionary<string[Item的唯一标识],Item[HistData里面的Item]> histDataMapping = new
Dictionary<string,Item>();
foreach(Item item in histData.Items)
{
histDataMapping.Add(item.[唯一标识],item);
} foreach(Item item in data.Items)
{
if(!histDataMapping.ContainsKey(item.唯一标识))
{
return false;
}
}
return true;
}
2:其实就是一个 sql连接查询:
所有 Data.Items 组成 表1 (数据所在的index需要保存)
所有 HistData.Items 组成 表2 连接条件是 所以简单的办法是写到两张表,然后执行连接查询,使用top之类的条件获得结果。3:如果硬要在内存
如果硬要在内存中完成,思路应该是:
对Data.items排序
对HistData.Items排序,建立链表说明HistData.Items中的值和HistData的映射关系
执行查找
排序和查找,使用二分就可以了,使用B+或B-算法也不错。
你的定义里用的是List,而List是通过遍历整个数组进行比较的,建议修改定义为Dictionary
如:
public class Data
{
public int DID;
public Dictionary<int, bool> Items; //key为原来的元素,value无作用,仅作填充
不过具体还要看你的业务,因为你的每个Items都才16个,所以上面的修改,作用不大,还是要看你的业务,来修改成具体可用的优化代码
以前我做数据采集的时候,每天大概要处理100W条以上的数据。单线程基本上要3、4个小时。
多线程就是用我上面说的那种方法,节省了一个多小时的时间。那是还只是2块双核的CPU