构建 Hashmap 的 Hashmap

Question

我不经常提问（大多数时候问题可以通过一些研究来解决，对吧？）但我只是想听听您的意见，因为可能有更好的（更有效的方法）。

所以让我们看看，下面的代码运行良好，它达到了它的目的。代码的结果是哈希图的哈希图，我需要它作为另一项工作的查找表。

背景：

• $ccDb 是一个由大约 200k 项组成的数组，属性为 companyCd, costCenterNbr, costCenterShortNm, costCenterLongDescr。
• 必须修剪每个属性（请不要让我修剪我的 Db，很遗憾我不能）。
• costCenterNbr包含在companyCd上，意思是每个companyCd可以有多个costCenterNbr。
• companyCd 可以包含 X 个 costCenterNbr。
• costCenterNbr 具有唯一值，companyCd 也是如此。
• costCenterShortNm 和 costCenterLongDescr 与 costCenterNbr 相关

问题：

必须在每次运行我的脚本时构建此映射，因为信息是从 SQL 表中获取的（它一直在变化）。构建这张地图大约需要 15 分钟（在相当不错的服务器上，2CPU 12Cores）。

问题：

您是否看到可以改进此代码以更快/更有效地执行的方法？

$ccMap=@{}

foreach($line in $ccDb)
{
    $companyCd=$line.companyCd.trim()
    $costCenterNbr=$line.costCenterNbr.trim()
    $costCenterShortNm=$line.CostCenterShortNm.trim()
    $costCenterLongDescr=$line.CostCenterLongDescr.trim()
    
    $coceMap=@{
        $costCenterNbr=@{
            shortDesc=$costCenterShortNm
            longDesc=$costCenterLongDescr
        }
    }
    
    if($ccMap.ContainsKey($companyCd))
    {
        $ccMap[$companyCd]+=$coceMap
    }
    else
    {
        $ccMap.Add($companyCd,$coceMap)
    }
}

对于冗长的解释，我深表歉意，但我觉得最好预先提供最多的信息。很感谢任何形式的帮助。此外，我知道 PowerShell 对于我正在做的事情来说是一种非常糟糕的语言，而 C# 可能会更高效，但它就是这样。

编辑：添加测量值以供参考。

编辑：

非常感谢@Mathias R. Jessen，这是他的代码的测量结果。优秀的代码。

Answer 1

我有两个建议：

你根本不需要if\else\.add()语句，powershell会根据需要添加密钥。这应该会占用大部分时间，因为您没有在整个表中搜索每个条目：

$ccMap[$companyCd]+=$coceMap

如果您只使用一次值，则不需要在上面设置变量。只需使用您的$line：

$coceMap=@{
    $line.costCenterNbr.trim()=@{
        shortDesc = $line.CostCenterShortNm.trim()
        longDesc  = $line.CostCenterLongDescr.trim()
    }
}

Answer 2

不要在紧密循环中使用+=

这是你最大的水槽：

    $ccMap[$companyCd] += $coceMap

当您使用+（或+=）将一个哈希表添加到另一个哈希表时，PowerShell 会创建一个全新的哈希表：

# Create two different hashtables
$A = @{ Key1 = 'Value1' }
$B = @{ Key2 = 'Value2' }

# Let's save a second reference to the first table
$remember = $A

# Now let's use += to merge the two:
$A += $B

运行这个，你会发现 $B 和 $remember 没有改变，但是 $A 有两个键 - 因此必须是一个新的。

要避免这种性能损失，请完全跳过$coceMap 的构造，并颠倒顺序（如果不存在则先构造哈希表，然后分配）：

$ccMap=@{}

foreach($line in $ccDb)
{
    $companyCd=$line.companyCd.trim()
    $costCenterNbr=$line.costCenterNbr.trim()
    $costCenterShortNm=$line.CostCenterShortNm.trim()
    $costCenterLongDescr=$line.CostCenterLongDescr.trim()

    # Create new hashtable if none exist, otherwise retrieve the existing one
    if($ccMap.ContainsKey($companyCd))
    {
        $coceMap = $ccMap[$companyCd]
    }
    else
    {
        $coceMap = $ccMap[$companyCd] = @{}
    }
    
    $coceMap[$costCenterNbr] = @{
        shortDesc=$costCenterShortNm
        longDesc=$costCenterLongDescr
    }
}

---

基准测试+=

下面是一个简化示例，说明与 10000 项具有 50 个不同键的差异：

$data = @(
    1..10000 |Select-Object @{Name='Company';Expression={Get-Random -Maximum 50}},@{Name='CostCenter';Expression={Get-Random}}
)

@(
    Measure-Command {
        $map = @{}

        foreach($line in $data){
            $entry = @{
                $line.CostCenter = @{
                    Value = 123
                }
            }

            if($map.ContainsKey($line.Company)){
                $map[$line.Company] += $entry
            }
            else {
                $map[$line.Company] = $entry
            }
        }
    }

    Measure-Command {
        $map = @{}

        foreach($line in $data){
            if($map.ContainsKey($line.Company)){
                $entry = $map[$line.Company]
            }
            else {
                $entry = $map[$line.Company] = @{}
            }

            $entry[$line.CostCenter] = @{
                Value = 123
            }
        }
    }
) |select TotalMilliseconds

在我的笔记本电脑上显示：

TotalMilliseconds
-----------------
         306.4218
          47.8164

---

一般如何识别这样的时间槽？

有多种方法可以分析 PowerShell 的运行时行为，但这是我个人的首选：

1. 安装PSProfiler（免责声明：我是PSProfiler的维护者）：
   • Install-Module PSProfiler -Scope CurrentUser
2. 使用 Measure-Script 的方式与使用 Measure-Command 的方式相同：

Measure-Script {
    $map = @{}

    foreach($line in $data){
        $entry = @{
            $line.CostCenter = @{
                Value = 123
            }
        }

        if($map.ContainsKey($line.Company)){
            $map[$line.Company] += $entry
        }
        else {
            $map[$line.Company] = $entry
        }
    }
}

1. 等待代码完成
2. 查看输出：

    Anonymous ScriptBlock


      Count  Line       Time Taken Statement
      -----  ----       ---------- ---------
          0     1    00:00.0000000 {
          1     2    00:00.0000187     $map = @{}
          0     3    00:00.0000000
          0     4    00:00.0000000     foreach($line in $data){
      10000     5    00:00.0635585         $entry = @{
          0     6    00:00.0000000             $line.CostCenter = @{
          0     7    00:00.0000000                 Value = 123
          0     8    00:00.0000000             }
          0     9    00:00.0000000         }
          0    10    00:00.0000000
          0    11    00:00.0000000         if($map.ContainsKey($line.Company)){
       9950    12    00:00.3965227             $map[$line.Company] += $entry
          0    13    00:00.0000000         }
          0    14    00:00.0000000         else {
         50    15    00:00.0002810             $map[$line.Company] = $entry
          0    16    00:00.0000000         }
          0    17    00:00.0000000     }
          0    18    00:00.0000000 }

观察到第 12 行占用了最多的总执行时间 - 明显多于其他任何时间：

       9950    12    00:00.3965227             $map[$line.Company] += $entry