我有两个实体,Class
和 Student
,它们以多对多关系链接。
当从外部应用程序导入数据时,不幸的是有些类是重复创建的。 “重复”类(class)名称不同,但科目相同,学生相同。
例如:
{ Id = 341, Title = '10rs/PE1a', SubjectId = 60, Students = { Jack, Bill, Sarah } }
{ Id = 429, Title = '10rs/PE1b', SubjectId = 60, Students = { Jack, Bill, Sarah } }
没有匹配这些重复类名称的通用规则,因此识别两个类重复的唯一方法是它们具有相同的SubjectId 和Students.
我想使用 LINQ 检测所有重复项(并最终合并它们)。到目前为止我已经尝试过:
var sb = new StringBuilder();
using (var ctx = new Ctx()) {
ctx.CommandTimeout = 10000; // Because the next line takes so long!
var allClasses = ctx.Classes.Include("Students").OrderBy(o => o.Id);
foreach (var c in allClasses) {
var duplicates = allClasses.Where(o => o.SubjectId == c.SubjectId && o.Id != c.Id && o.Students.Equals(c.Students));
foreach (var d in duplicates)
sb.Append(d.LongName).Append(" is a duplicate of ").Append(c.LongName).Append("<br />");
}
}
lblResult.Text = sb.ToString();
这不好,因为我得到了错误:
NotSupportedException: Unable to create a constant value of type 'TeachEDM.Student'. Only primitive types ('such as Int32, String, and Guid') are supported in this context.
显然它不喜欢我尝试在 LINQ 中匹配 o.SubjectId == c.SubjectId
。
此外,这似乎是一种可怕的方法,而且速度非常慢。调用数据库需要 5 多分钟。
我真的很感激一些建议。
最佳答案
SubjectId
的比较不是问题,因为 c.SubjectId
是原始类型的值(我猜是 int
) .异常提示 Equals(c.Students)
。 c.Students
是一个常量(相对于查询 duplicates
)但不是基本类型。
我也会尝试在内存中而不是在数据库中进行比较。无论如何,当您启动第一个 foreach
循环时,您正在将整个数据加载到内存中:它执行查询 allClasses
。然后在循环内将 IQueryable allClasses
扩展到 IQueryable duplicates
,然后在内部 foreach
循环中执行。这是外循环的每个元素一个数据库查询!这可以解释代码的糟糕性能。
所以我会尝试在内存中执行第一个foreach
的内容。对于 Students
列表的比较,有必要逐个元素进行比较,而不是对 Students 集合的引用,因为它们肯定是不同的。
var sb = new StringBuilder();
using (var ctx = new Ctx())
{
ctx.CommandTimeout = 10000; // Perhaps not necessary anymore
var allClasses = ctx.Classes.Include("Students").OrderBy(o => o.Id)
.ToList(); // executes query, allClasses is now a List, not an IQueryable
// everything from here runs in memory
foreach (var c in allClasses)
{
var duplicates = allClasses.Where(
o => o.SubjectId == c.SubjectId &&
o.Id != c.Id &&
o.Students.OrderBy(s => s.Name).Select(s => s.Name)
.SequenceEqual(c.Students.OrderBy(s => s.Name).Select(s => s.Name)));
// duplicates is an IEnumerable, not an IQueryable
foreach (var d in duplicates)
sb.Append(d.LongName)
.Append(" is a duplicate of ")
.Append(c.LongName)
.Append("<br />");
}
}
lblResult.Text = sb.ToString();
按名称对序列排序是必要的,因为我相信,SequenceEqual
比较序列的长度,然后比较元素 0 和元素 0,然后比较元素 1 和元素 1,依此类推。
编辑您对第一个查询仍然很慢的评论。
如果您有 1300 个类(class),每个类(class)有 30 个学生,预加载 (Include
) 的性能可能会受到数据库和客户端之间传输的数据倍增的影响。这在这里解释:How many Include I can use on ObjectSet in EntityFramework to retain performance?。查询很复杂,因为它需要类(class)和学生之间的JOIN
,对象实现也很复杂,因为 EF 必须在创建对象时过滤掉重复的数据。
另一种方法是在第一个查询中仅加载没有学生的类(class),然后在循环中显式地逐一加载学生。它看起来像这样:
var sb = new StringBuilder();
using (var ctx = new Ctx())
{
ctx.CommandTimeout = 10000; // Perhaps not necessary anymore
var allClasses = ctx.Classes.OrderBy(o => o.Id).ToList(); // <- No Include!
foreach (var c in allClasses)
{
// "Explicite loading": This is a new roundtrip to the DB
ctx.LoadProperty(c, "Students");
}
foreach (var c in allClasses)
{
// ... same code as above
}
}
lblResult.Text = sb.ToString();
在这个例子中你会有 1 + 1300 个数据库查询而不是只有一个,但是你不会有预加载时发生的数据乘法并且查询更简单(类之间没有 JOIN
和学生)。
这里解释了显式加载:
- http://msdn.microsoft.com/en-us/library/bb896272.aspx
- 对于 POCO(也适用于
EntityObject
派生实体):http://msdn.microsoft.com/en-us/library/dd456855.aspx - 对于
EntityObject
派生实体,您还可以使用EntityCollection
的Load
方法:http://msdn.microsoft.com/en-us/library/bb896370.aspx
如果您使用延迟加载,第一个带有 LoadProperty
的 foreach
将不是必需的,因为 Students
集合将在您第一次加载时加载访问它。它应该会产生相同的 1300 个额外查询,例如显式加载。
关于c# - 检测具有相同 child 的实体,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7780455/