java - 如何在 Java bean 中执行不精确比较？

Question

我有一个大型(超过 100K 对象)Java 对象集合，如下所示。

public class User
{
   //declared as public in this example for brevity...
   public String first_name;
   public String last_name;
   public String ssn;
   public String email;
   public String blog_url;
   ...
}

现在，我需要在此列表中搜索一个对象，其中至少有 3 个(任意 3 个或更多)属性与正在搜索的对象的属性相匹配。

例如，如果我正在搜索一个具有以下内容的对象

 first_name="John",
 last_name="Gault",
 ssn="000-00-0000",
 email="xyz@abc.com", 
 blog_url="http://myblog.wordpress.com" 

搜索应返回所有 first_name、last_name 和 ssn 匹配的对象或 last_name、ssn、email 和 blog_url 匹配的对象。同样，可能还有其他组合。

我想知道在这种情况下使用的最佳数据结构/算法是什么。对于精确搜索，我可以使用带有自定义比较器的哈希集或二分搜索，但我不确定执行此类搜索的最有效方法是什么。

附注

• 这不是家庭作业。

• 我不确定问题标题是否合适。请随意编辑。

编辑 你们中的一些人指出，我可以使用 ssn(例如)进行搜索，因为它或多或少是唯一的。上面的例子仅说明真实场景。实际上，我有几个对象，其中某些字段为空，因此我想搜索其他字段。

Answer 1

我认为没有任何特定的数据结构可以使这种匹配/比较快速。

在比较两个对象的简单级别，您可以实现如下方法:

public boolean closeEnough(User other) {
    int count = 0;
    count += firstName.equals(other.firstName) ? 1 : 0;
    count += lastName.equals(other.lastName) ? 1 : 0;
    count += ssn.equals(other.ssn) ? 1 : 0;
    count += email.equals(other.email) ? 1 : 0;
    ...
    return count >= 3;
}

要进行大规模搜索，我能想到的改进简单线性扫描(使用上面的方法)的唯一方法是

1. 为每个属性创建一系列多重映射，
2. 用用户记录填充它们

然后每次你想进行查询时:

查询每个多重映射以获得一组可能的候选者，

使用 closeEnough() 迭代所有集合以查找匹配项。

您可以通过将 SSN、电子邮件地址和博客 URL 属性与姓名属性区别对待来对此进行改进。与(例如)查找多个名为“John”的用户相比，在前三个属性上匹配的多个用户应该很少发生。您提出问题的方式需要 SSN、电子邮件或 URL 中至少 1 个进行匹配(才能获得 3 个匹配项)，因此您可能根本不需要为名称属性建立索引。