检测具有相同孩子的实体

Question

我有两个实体，Class 和 Student，以多对多关系链接。

当从外部应用程序导入数据时，不幸的是有些类是重复创建的。 “重复”课程名称不同，但学科相同，学生相同。

例如：

{ Id = 341, Title = '10rs/PE1a', SubjectId = 60, Students = { Jack, Bill, Sarah } }

{ Id = 429, Title = '10rs/PE1b', SubjectId = 60, Students = { Jack, Bill, Sarah } }

匹配这些重复类的名称没有通用规则，因此识别两个类重复的唯一方法是它们具有相同的SubjectId和Students.

我想使用 LINQ 检测所有重复项（并最终合并它们）。到目前为止，我已经尝试过：

var sb = new StringBuilder();
using (var ctx = new Ctx()) {
  ctx.CommandTimeout = 10000; // Because the next line takes so long!
  var allClasses = ctx.Classes.Include("Students").OrderBy(o => o.Id);
  foreach (var c in allClasses) {
    var duplicates = allClasses.Where(o => o.SubjectId == c.SubjectId && o.Id != c.Id && o.Students.Equals(c.Students));
    foreach (var d in duplicates)
      sb.Append(d.LongName).Append(" is a duplicate of ").Append(c.LongName).Append("<br />");
  }
}
lblResult.Text = sb.ToString();

这不好，因为我得到了错误：

NotSupportedException：无法创建“TeachEDM.Student”类型的常量值。此上下文仅支持原始类型（“例如 Int32、String 和 Guid”）。

显然它不喜欢我尝试在 LINQ 中匹配 o.SubjectId == c.SubjectId。

此外，这似乎是一种可怕的方法，而且速度非常慢。调用数据库需要 5 分钟以上。

非常感谢一些建议。

Answer 1

SubjectId 的比较不是问题，因为c.SubjectId 是一个原始类型的值（我猜是int）。异常抱怨Equals(c.Students)。 c.Students 是一个常量（相对于查询 duplicates），但不是原始类型。

我也会尝试在内存中而不是在数据库中进行比较。当您开始第一个foreach 循环时，无论如何您都将整个数据加载到内存中：它执行查询allClasses。然后在循环内部将 IQueryable allClasses 扩展到 IQueryable duplicates，然后在内部 foreach 循环中执行。这是外循环的每个元素的一个数据库查询！这可以解释代码性能不佳的原因。

所以我会尝试在内存中执行第一个foreach 的内容。对于Students 列表的比较，需要逐个元素进行比较，而不是对学生集合的引用，因为它们肯定是不同的。

var sb = new StringBuilder();
using (var ctx = new Ctx())
{
    ctx.CommandTimeout = 10000; // Perhaps not necessary anymore
    var allClasses = ctx.Classes.Include("Students").OrderBy(o => o.Id)
        .ToList(); // executes query, allClasses is now a List, not an IQueryable

    // everything from here runs in memory
    foreach (var c in allClasses)
    {
        var duplicates = allClasses.Where(
           o => o.SubjectId == c.SubjectId &&
           o.Id != c.Id &&
           o.Students.OrderBy(s => s.Name).Select(s => s.Name)
            .SequenceEqual(c.Students.OrderBy(s => s.Name).Select(s => s.Name)));

        // duplicates is an IEnumerable, not an IQueryable
        foreach (var d in duplicates)
            sb.Append(d.LongName)
              .Append(" is a duplicate of ")
              .Append(c.LongName)
              .Append("<br />");
    }
}
lblResult.Text = sb.ToString();

按名称对序列进行排序是必要的，因为我相信SequenceEqual 会比较序列的长度，然后比较元素 0 和元素 0，然后比较元素 1 和元素 1，以此类推。

---

编辑对您的第一个查询仍然很慢的评论。

如果您有 1300 个班级，每个班级有 30 名学生，那么急切加载 (Include) 的性能可能会受到在数据库和客户端之间传输的数据倍增的影响。这在这里解释：How many Include I can use on ObjectSet in EntityFramework to retain performance?。查询很复杂，因为它需要在班级和学生之间使用JOIN，而且对象实现也很复杂，因为 EF 必须在创建对象时过滤掉重复的数据。

另一种方法是在第一个查询中只加载没有学生的类，然后在循环中显式地一个一个地加载学生。它看起来像这样：

var sb = new StringBuilder();
using (var ctx = new Ctx())
{
    ctx.CommandTimeout = 10000; // Perhaps not necessary anymore
    var allClasses = ctx.Classes.OrderBy(o => o.Id).ToList(); // <- No Include!
    foreach (var c in allClasses)
    {
        // "Explicite loading": This is a new roundtrip to the DB
        ctx.LoadProperty(c, "Students");
    }

    foreach (var c in allClasses)
    {
        // ... same code as above
    }
}
lblResult.Text = sb.ToString();

在此示例中，您将有 1 + 1300 个数据库查询，而不是只有一个，但是您不会有急切加载时发生的数据乘法，并且查询更简单（班级和学生之间没有 JOIN）。

这里解释了显式加载：

• http://msdn.microsoft.com/en-us/library/bb896272.aspx
• 对于 POCO（也适用于 EntityObject 派生实体）：http://msdn.microsoft.com/en-us/library/dd456855.aspx
• 对于EntityObject 派生实体，您还可以使用Load 的EntityCollection 方法：http://msdn.microsoft.com/en-us/library/bb896370.aspx

如果您使用延迟加载第一个 foreach 和 LoadProperty 将不是必需的，因为 Students 集合将在您第一次访问它时加载。它应该会产生同样的 1300 个额外查询，例如显式加载。