MyException - 我的异常网
当前位置:我的异常网» C# » 50分求解一效率优化有关问题

50分求解一效率优化有关问题

www.MyException.Cn  网友分享于:2013-01-09  浏览:8次
50分求解一效率优化问题
用数据库方式实现文档的倒排索引,数据库有3张表,表一:文档表,字段有url,文档id,文档内容,标题等,表二:单词表,字段有单词id,单词和单词出现频率,表三:文档单词关系表,字段有文档id,单词id,和单词在文档出现的位置号.

我现在的做法是这样的,首先把数据填入表二
while(从表一读取文档内容)
{   split文档内容,得到单词的字符串数组
    for(循环数组,对每一个单词)
    {
            1。对每个单词还作了些字符串处理并舍弃一些不要的单词
            2。先判断单词是否已经在表二中出现过,没有则3,有的话词频加一
            3。插入表二
    }
}

做完表二后再做表三。基本和上面差不多,只是在循环数组的时候要取出该单词在表二的id。

这样一个结构效率很低下,不知有什么办法可以提高效率,请高手指点,谢谢


------解决方案--------------------
基本的算法可能也就这样,个人觉得实现上可以作一点改进
1、程序开始的时候把表二中的所有单词的信息读进来,放到HashTable(.net 1.1)或是Dictionary <key,word> 里面(.net 2.0 wrod是程序定义的单词结构);同时定义另一个Dictionary <key,word> 的容器,用于存放表二里没有的单词信息
2、程序处理的时候,只是要字典里去查,省去数据库查找过程(对大数据量的处理节省很多时间)。前面不用ArrayList或是List <word> 是因为查找性能上HashTable更优
3、当然咯,程序处理完了,把这些信息update或是insert到表二就OK了

楼主如果对容器不是很熟悉的话,看一下交资料很快就明白了
------解决方案--------------------
建议:
1、减少数据库读取次数。一次性读取所有需要的数据,怎么读取? 可以构造 sql,存放在DataTable 或则其他什么地方;
2、suxe() 提到的使用字典加速。

看你的思路中,看第一句就感觉问题比较大。如果你这句:while(从表一读取文档内容)。有数据库操作(读取数据,即使只读取一条数据)是比较耗时的,像提高,可以按照suxe()意见,见数据一次性读取出来放在字典中,然后再字典中查找数据,速度会快很多。

------解决方案--------------------
我写了一个大概,完整了代码就可以了

public struct Word
{
public int Id;
public string Characters;
public int Frequency;
public static bool operator ==(Word x, Word y)
{
return x.Characters == y.Characters;
}
}

public class WordManager
{
//初始容器
private WordManager()
{// 。。。}

public static WordManager Instance
{
get
{
if (__instance != null)
{
return __instance;
}
__instance = new WordManager();
return __instance;
}
}

//从数据库把单词信息加载到m_primaryWords
public void Load()
{ //。。。}

//更新单词信息,如果单词在m_primaryWords中,则frequency++,否则新加单词到m_newWords
public void Update(ref Word item)
{
if (m_primaryWords.ContainsKey(item.Characters))
{
m_primaryWords[item.Characters].Frequency++;
}
else
{
m_newWords.Add(item.Characters, item);
}
}

//把m_primaryWords和m_newWords容器中的单词信息保存到数据库
public void Save()
{
foreach (Word item in m_primaryWords)
{
//update进表或者可以先把表清空了再插入
}
foreach (Word item in m_newWords)
{
//insert 进表
}
}

private Dictionary <string, Word> m_primaryWords;

private Dictionary <string, Word> m_newWords;

private static WordManager __instance;

}

文章评论

亲爱的项目经理,我恨你
亲爱的项目经理,我恨你
为什么程序员都是夜猫子
为什么程序员都是夜猫子
那些争议最大的编程观点
那些争议最大的编程观点
看13位CEO、创始人和高管如何提高工作效率
看13位CEO、创始人和高管如何提高工作效率
Web开发人员为什么越来越懒了?
Web开发人员为什么越来越懒了?
程序猿的崛起——Growth Hacker
程序猿的崛起——Growth Hacker
当下全球最炙手可热的八位少年创业者
当下全球最炙手可热的八位少年创业者
程序员的一天:一寸光阴一寸金
程序员的一天:一寸光阴一寸金
每天工作4小时的程序员
每天工作4小时的程序员
科技史上最臭名昭著的13大罪犯
科技史上最臭名昭著的13大罪犯
什么才是优秀的用户界面设计
什么才是优秀的用户界面设计
程序员的鄙视链
程序员的鄙视链
“肮脏的”IT工作排行榜
“肮脏的”IT工作排行榜
旅行,写作,编程
旅行,写作,编程
我是如何打败拖延症的
我是如何打败拖延症的
聊聊HTTPS和SSL/TLS协议
聊聊HTTPS和SSL/TLS协议
代码女神横空出世
代码女神横空出世
5款最佳正则表达式编辑调试器
5款最佳正则表达式编辑调试器
10个调试和排错的小建议
10个调试和排错的小建议
漫画:程序员的工作
漫画:程序员的工作
Java 与 .NET 的平台发展之争
Java 与 .NET 的平台发展之争
 程序员的样子
程序员的样子
如何区分一个程序员是“老手“还是“新手“?
如何区分一个程序员是“老手“还是“新手“?
编程语言是女人
编程语言是女人
写给自己也写给你 自己到底该何去何从
写给自己也写给你 自己到底该何去何从
程序员周末都喜欢做什么?
程序员周末都喜欢做什么?
为啥Android手机总会越用越慢?
为啥Android手机总会越用越慢?
如何成为一名黑客
如何成为一名黑客
60个开发者不容错过的免费资源库
60个开发者不容错过的免费资源库
不懂技术不要对懂技术的人说这很容易实现
不懂技术不要对懂技术的人说这很容易实现
初级 vs 高级开发者 哪个性价比更高?
初级 vs 高级开发者 哪个性价比更高?
“懒”出效率是程序员的美德
“懒”出效率是程序员的美德
我跳槽是因为他们的显示器更大
我跳槽是因为他们的显示器更大
程序员和编码员之间的区别
程序员和编码员之间的区别
老程序员的下场
老程序员的下场
要嫁就嫁程序猿—钱多话少死的早
要嫁就嫁程序猿—钱多话少死的早
程序员都该阅读的书
程序员都该阅读的书
做程序猿的老婆应该注意的一些事情
做程序猿的老婆应该注意的一些事情
程序员必看的十大电影
程序员必看的十大电影
总结2014中国互联网十大段子
总结2014中国互联网十大段子
鲜为人知的编程真相
鲜为人知的编程真相
我的丈夫是个程序员
我的丈夫是个程序员
程序员最害怕的5件事 你中招了吗?
程序员最害怕的5件事 你中招了吗?
一个程序员的时间管理
一个程序员的时间管理
老美怎么看待阿里赴美上市
老美怎么看待阿里赴美上市
软件开发程序错误异常ExceptionCopyright © 2009-2015 MyException 版权所有