找出具有40K对象的2个集合的差异

Question

我有两个集合，它们都包含相同类型的对象，并且每个集合都有大约40K个对象。

每个集合所包含的对象的代码基本上就像一个字典，只是我覆盖了等号和哈希函数:

public class MyClass: IEquatable<MyClass>
{
    public int ID { get; set; }
    public string Name { get; set; }
    public override bool Equals(object obj)
    {
        return obj is MyClass && this.Equals((MyClass)obj);
    }
    public bool Equals(MyClass ot)
    {
        if (ReferenceEquals(this, ot))
        {
            return true;
        }
        return 
         ot.ID.Equals(this.ID) &&
         string.Equals(ot.Name, this.Name, StringComparison.OrdinalIgnoreCase); 
    }
    public override int GetHashCode()
    {
         unchecked
         {
             int result = this.ID.GetHashCode();
             result = (result * 397) ^ this.Name.GetSafeHashCode();
             return result;
         }
    }
}

我用来比较集合并获得差异的代码只是一个使用PLinq的简单Linq查询。

ParallelQuery p1Coll = sourceColl.AsParallel();
ParallelQuery p2Coll = destColl.AsParallel();
List<object> diffs = p2Coll.Where(r => !p1Coll.Any(m => m.Equals(r))).ToList();

有人知道比较这么多对象的更快的方法吗?目前在四核计算机上大约需要40秒+/- 2秒。基于数据进行分组，然后并行比较每组数据，这样会更快吗?如果我先根据Name对数据进行分组，我将得到大约490个唯一对象，如果我先根据ID对数据进行分组，我将得到大约622个唯一对象。

Answer 1

您可以使用Except方法，该方法将为您提供p2Coll中不属于p1Coll的每个项目。

var diff = p2Coll.Except(p1Coll);

---

UPDATE(一些性能测试):

免责声明:

实际时间取决于多种因素(例如集合的内容，硬件，机器上运行的内容，哈希码冲突的数量等)，这就是为什么我们有复杂性和大O符号(参见Daniel brckner评论)。

下面是在我4年的机器上运行10次的性能统计:

Median time for Any(): 6973,97658ms
Median time for Except(): 9,23025ms

我的测试源代码可以在gist上找到。

---

更新2:

如果你想从第一个集合和第二个集合中获得不同的项目，你必须对两个集合都执行Expect，并对结果执行Union:

var diff = p2Coll.Except(p1Coll).Union(p1Coll.Except(p2Coll));

Answer 2

相交

int[] id1 = { 44, 26, 92, 30, 71, 38 };
int[] id2 = { 39, 59, 83, 47, 26, 4, 30 };
IEnumerable<int> both = id1.Intersect(id2);
foreach (int id in both)
    Console.WriteLine(id);
/*
This code produces the following output:
26
30
*/