如何使用兩個相關的表優化一個簡單的LINQ查詢？

Question

我有以下結構兩個關係表：

'病人'：

{ Id = 1, Surname = Smith998 } 
... 
{ Id = 1000, Surname = Smith1000 } 

，第二個是 '接待'：

{ PatientId = 1, ReceptionStart = 3/3/2017 1:14:00 AM } 
{ PatientId = 1, ReceptionStart = 1/7/2016 1:14:00 AM } 
... 
{ PatientId = 1000, ReceptionStart = 1/23/2017 1:14:00 AM } 

表是不能從數據庫中，但它們是使用以下示例代碼生成的：

 var rand = new Random(); 
     var receptions = Enumerable.Range(1, 1000).SelectMany(pid => Enumerable.Range(1, rand.Next(0, 10)).Select(rid => new { PatientId = pid, ReceptionStart = DateTime.Now.AddDays(-rand.Next(1, 500)) })).ToList(); 
     var patients = Enumerable.Range(1, 1000).Select(pid => new { Id = pid, Surname = string.Format("Smith{0}", pid) }).ToList(); 

問題是選擇在2017年1月1日前有接待的患者的最佳方式是什麼？

事業我可以寫這樣的事：

 var cured_receptions = (from r in receptions where r.ReceptionStart < new DateTime(2017, 7, 1) select r.PatientId).Distinct(); 
     var cured_patients = from p in patients where cured_receptions.Contains(p.Id) select p; 

，但目前尚不清楚什麼對我「cured_receptions.Contains（p.Id）」代碼實際上呢？它只是遍歷所有搜索Id的患者，或者它使用數據庫中的索引之類的東西嗎？可以cure_receptions.ToDictionary（）或類似的東西在這裏幫助不知何故？

Answer 1

從頭開始假設只有記憶一切......

1. 你cured_receptions不計算，直到由Contains調用，所以這將是更有效地利用放.ToList()該變量定義的結尾（大約快100倍）。

2. LINQ不「搜索」 - Contains正在進行搜索。如果你想使用二進制搜索或更好的哈希表，你必須創建它。如果您使用HashSet<int>，那麼您將獲得另一個47X加速。關閉Distinct（因爲HashSet將處理該問題）可節省15％。

3. 在變量中記住常量而不是隨意創建它們（new DateTime ...）可能會節省多一點。即使大大增加隨機數據，也不會花費足夠的時間來告訴HashSet。

4. 使用join比您的初始查詢快，但您的查詢與HashSet結合最快。

因此最快的代碼是：

var cured_receptions = new HashSet<int>((from r in receptions where r.ReceptionStart < endDateTime select r.PatientId)); 
var cured_patients = from p in patients where cured_receptions.Contains(p.Id) select p; 

注：我用LINQPad生成定時和樣本數據。我改變了你的日期參數，因爲你的價值觀使得大部分的招待會都是匹配的

這裏是我的LINQPad代碼：

var rand = new Random(); 
var begin = DateTime.Now; 
var receptions = Enumerable.Range(1, 100000).SelectMany(pid => Enumerable.Range(1, rand.Next(0, 100)).Select(rid => new { PatientId = pid, ReceptionStart = begin.AddDays(-rand.Next(1, 180)) })).ToList(); 
var patients = Enumerable.Range(1, 100000).Select(pid => new { Id = pid, Surname = string.Format("Smith{0}", pid) }).ToList(); 

var startTime = Util.ElapsedTime; 
var endDateTime = new DateTime(2017, 5, 1); 
//var cured_receptions = (from r in receptions where r.ReceptionStart < new DateTime(2017, 5, 1) select r.PatientId).Distinct().ToList(); 
//var cured_receptions = (from r in receptions where r.ReceptionStart < new DateTime(2017, 5, 1) select r.PatientId).Distinct(); 
//var cured_receptions = new HashSet<int>((from r in receptions where r.ReceptionStart < new DateTime(2017, 5, 1) select r.PatientId).Distinct()); 
//var cured_receptions = new HashSet<int>((from r in receptions where r.ReceptionStart < endDateTime select r.PatientId).Distinct()); 
//var cured_receptions = new HashSet<int>((from r in receptions where r.ReceptionStart < new DateTime(2017, 5, 1) select r.PatientId)); 
var cured_receptions = new HashSet<int>((from r in receptions where r.ReceptionStart < endDateTime select r.PatientId)); 
var cured_patients = from p in patients where cured_receptions.Contains(p.Id) select p; 

// var cured_patients = (from r in receptions 
//      where r.ReceptionStart < endDateTime 
//      join p in patients on r.PatientId equals p.Id 
//      select p).Distinct(); 

// var cured_patients = from p in patients 
//      join r in receptions on p.Id equals r.PatientId into rj 
//      where rj.Any(r => r.ReceptionStart < endDateTime) 
//      select p; 

cured_patients.Count().Dump(); 
var endTime = Util.ElapsedTime; 

(endTime - startTime).Dump("Elapsed"); 

Answer 2

但我不清楚'cure_receptions.contains（p.Id）'代碼實際上做了什麼？它只是遍歷所有搜索Id的患者，或者它使用數據庫中的索引之類的東西嗎？

案例1：與數據庫交互

如果你用的數據庫，然後，直到通過調用它ToList()或通過遍歷項目執行第二個查詢沒有查詢將被髮送到數據庫交互在cured_patients。發送到數據庫的查詢將沿着線的東西：

SELECT 
[Extent1].[Id] AS [Id], 
[Extent1].[Surname] AS [Surname] 
FROM [dbo].[Patients] AS [Extent1] 
WHERE EXISTS (SELECT 
    1 AS [C1] 
    FROM [dbo].[Receptions] AS [Extent2] 
    WHERE ([Extent2].[ReceptionStart] < 
    convert(datetime2, '2017-07-01 00:00:00.0000000', 121)) 
    AND ([Extent2].[PatientId] = [Extent1].[Id]) 
) 

它會用任何指標？

是如果PatientId，Id和ReceptionStart被索引，則數據庫服務器會使用它們。

案例2：在內存

與項目互動對於第一個查詢它會遍歷所有receptions，查找其ReceptionStart是給定日期之前的那些，選擇PatientId，然後刪除任何重複PatientId（S ）。

然後第二個查詢，低於：

var cured_patients = 
    from p in patients 
    where cured_receptions.Contains(p.Id) 
    select p; 

將遍歷每個項目patients，看看該項目的Id在cured_receptions被發現。對於在cured_receptions中找到Id的所有商品，它將選擇這些商品。 Contains只需返回true或false。