找出两个数据集之间差异的有效方法答案

【问题标题】：Efficient way to find the difference between two data sets找出两个数据集之间差异的有效方法
【发布时间】：2014-01-16 12:29:56
【问题描述】：

我有两份数据，这里 1 代表我的数量，2 代表我的问题。我必须比较 COPY2 和 COPY1 并找到 COPY2 中缺少的所有元素（COPY1 将始终是超集和 COPY2 可以相等或始终是子集）。现在，我必须在 COPY2 中获取丢失的卷和问题。这样从下图（场景）我得到的结果是： -

缺少文件 - 1-C、1-D、2-C、2-C、3-A、3-B、4、E。

问题-

我应该使用什么数据结构在 java 中存储上述值（volume 和 issue）？
我应该如何以最有效的方式在 java 中实现这个场景以找出这两个副本之间的差异？

【问题讨论】：

请更改您的标题，因为它反映了您的问题。当前标题太模糊。

标签： java data-structures collections guava

【解决方案1】：

我建议一个公寓HashSet<VolumeIssue>。每个VolumeIssue 实例对应一个分类问题，例如1-C。

在这种情况下，您只需打个电话就能找到不同之处

copy1.removeAll(copy2);

copy1 中剩下的就是copy1 中存在的所有问题以及copy2 中缺少的所有问题。

请注意，您的 VolumeIssue 类必须正确实现 equals 和 hashCode 才能正常工作。

【讨论】：

【解决方案2】：

既然你已经添加了 Guava 标签，我会选择Marco Topolnik's answer 的变体。不要从另一组中删除一组，而是使用Sets.difference(left, right)

返回两组差异的不可修改视图。这返回的集合包含 set1 包含的所有元素，而不是由 set2 包含。 set2 也可能包含 set1 中不存在的元素；这些都被忽略了。返回集的迭代顺序与 set1 匹配。

【讨论】：

【解决方案3】：

我应该使用什么数据结构在 java 中存储上述值（volume 和 issue）？

您可以拥有一个带有键值对的 HashMap。

key 是 Volume，Value 是 Issue 列表。

我应该如何以最有效的方式在java中实现这个场景来找到这两个副本之间的差异？

通过从两个 HashMap 中获取值，您可以获得两个 List 的值。然后找出这两个列表之间的区别。

假设您从两个映射中获得了两个具有相同键的值列表。

现在

  Collection<Issue> diff =  list1.removeAll( list2 );

【讨论】：

您不必必须拥有 HashMap，这只是一种选择。