我有一个包含 100000 对的文本文件:单词和频率。
test.in 包含文字的文件:
- 1 行 - 所有词频对的总数
- 2 行到 ~100 001 - 词频对
- 100 002 行 - 用户输入单词的总数
- 从100003到最后-用户输入词
我解析这个文件,把里面的话放进去
Dictionary<string,double> dictionary;
我想在下面的代码中执行一些搜索+订单逻辑:
for(int i=0;i<15000;i++)
{
tempInputWord = //take data from file(or other sources)
var adviceWords = dictionary
.Where(p => p.Key.StartsWith(searchWord, StringComparison.Ordinal))
.OrderByDescending(ks => ks.Value)
.ThenBy(ks => ks.Key,StringComparer.Ordinal)
.Take(10)
.ToList();
//some output
}
问题:此代码必须在 10 秒内运行。
在我的电脑(核心 i5 2400、8gb RAM)上使用 Parallel.For() - 大约 91 秒。
你能给我一些提高性能的建议吗?
更新:
万岁!我们做到了! 感谢@CodesInChaos、@usr、@T_D 以及所有参与解决问题的人。
最终代码:
var kvList = dictionary.OrderBy(ks => ks.Key, StringComparer.Ordinal).ToList();
var strComparer = new MyStringComparer();
var intComparer = new MyIntComparer();
var kvListSize = kvList.Count;
var allUserWords = new List<string>();
for (int i = 0; i < userWordQuantity; i++)
{
var searchWord = Console.ReadLine();
allUserWords.Add(searchWord);
}
var result = allUserWords
.AsParallel()
.AsOrdered()
.Select(searchWord =>
{
int startIndex = kvList.BinarySearch(new KeyValuePair<string, int>(searchWord, 0), strComparer);
if (startIndex < 0)
startIndex = ~startIndex;
var matches = new List<KeyValuePair<string, int>>();
bool isNotEnd = true;
for (int j = startIndex; j < kvListSize ; j++)
{
isNotEnd = kvList[j].Key.StartsWith(searchWord, StringComparison.Ordinal);
if (isNotEnd) matches.Add(kvList[j]);
else break;
}
matches.Sort(intComparer);
var res = matches.Select(s => s.Key).Take(10).ToList();
return res;
});
foreach (var adviceWords in result)
{
foreach (var adviceWord in adviceWords)
{
Console.WriteLine(adviceWord);
}
Console.WriteLine();
}
6 sec (9 sec without manual loop (with linq)))
最佳答案
您根本没有使用字典的任何算法强度。理想情况下,您将使用树结构以便执行前缀查找。另一方面,您与绩效目标的差距在 3.7 倍以内。我认为您可以通过优化算法中的常数因子来实现。
- 不要在性能关键代码中使用 LINQ。手动遍历所有集合并将结果收集到
List<T>
中.事实证明,这在实践中大大加快了速度。 - 根本不用字典。只需使用
KeyValuePair<T1, T2>[]
并使用foreach
运行它环形。这是遍历一组对的最快方法。
可能看起来像这样:
KeyValuePair<T1, T2>[] items;
List<KeyValuePair<T1, T2>> matches = new ...(); //Consider pre-sizing this.
//This could be a parallel loop as well.
//Make sure to not synchronize too much on matches.
//If there tend to be few matches a lock will be fine.
foreach (var item in items) {
if (IsMatch(item)) {
matches.Add(item);
}
}
matches.Sort(...); //Sort in-place
return matches.Take(10); //Maybe matches.RemoveRange(10, matches.Count - 10) is better
这应该超过 3.7 倍的加速。
如果您需要更多,请尝试将项目填充到以 Key
的第一个字符为关键字的字典中.这样您就可以查找与 tempInputWord[0]
匹配的所有项目.这应该通过 tempInputWord
的第一个字符中的选择性来减少搜索时间。 .对于大约为 26 或 52 的英文文本。这是具有一级查找的前缀查找的原始形式。不漂亮,但也许就足够了。
关于c# - 如何提高该算法的性能?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26138111/