用于搜索字符串三元组的最有效的 Java 数据结构答案

【问题标题】：most efficient Java data structure for searching triples of strings用于搜索字符串三元组的最有效的 Java 数据结构
【发布时间】：2011-10-31 13:04:41
【问题描述】：

假设我有一个字符串三元组的大列表（大约 10,000 个条目）：

car    noun    yes
dog    noun    no
effect noun    yes
effect verb    no

假设我看到一个字符串 double - 例如，(effect, verb) - 我需要快速查看列表以查看该对是否出现，如果出现，它的值是 yes 还是 no。（对于这个例子，双精度确实出现了，值为“否”。）

Java 中存储列表的最佳数据结构和执行搜索的最有效方式是什么？我正在运行数十万次此类搜索，因此速度至关重要。

谢谢！

【问题讨论】：

标签： java search

【解决方案1】：

您可以考虑使用HashMap<YourDouble, String>。搜索将是 O(1)。

您可以创建一个对象 YourDouble 来保存前两个值，或者将一个附加到另一个（如果值仍然是唯一的）并使用HashMap<String, String>。

【讨论】：

【解决方案2】：

我会为您想要的每种搜索类型创建一个HashMultimap，例如“所有三个”、“每对”和“每个字段”。构建列表时，填充所有不同的地图，然后您可以从适合您查询的地图中获取。

（缺点是您至少需要为每个 arity 指定一个类型，例如，仅将 String 用于“单字段”映射，但 Pair 用于双字段映射，Triple 用于三场地图。）

【讨论】：

【解决方案3】：

您可以使用HashMap，其中键是前两个字符串的串联，您将用于查找，值是布尔值，表示yes 和no 字符串。

另外，第二列中的单词似乎会更少，因为它们代表类别。你可以有一个HashMap<String, HashMap<String, Boolean>>，你首先在其中索引，例如“名词”，“动词”等，然后您按例如索引“汽车”、“狗”、“效果”，得到你的布尔值。这可能会更节省空间。

【讨论】：

为什么不简单地使用 HashMap，其键包含前两个字符串并重新定义 equals 和 hashCode（即一个 Pair）？这比连接和地图的地图要好得多。
串联可能是个坏主意，你是对的。但是地图的地图可能有它的好处如果，正如我所说，他在第二列中没有很多不同的字符串。
是的，第二列只有 5 种可能性
在这种情况下，如果适用的话，我几乎很想建议第二列使用枚举而不是字符串。显然，您甚至可以使用一个名为 EnumMap 的类，我假设它会使用一个简单的数组而不是哈希表。

【解决方案4】：

10k 对我来说似乎并不大。你试过数据库吗？

寻找此类信息的地方是Semantic Web。许多项目都在这种类型的Triple Stores 上工作。在 Triple Store 实现页面的底部有一个列表。

就 java 而言，您的算法几乎肯定会依赖于语言，如果您发现用 C 实现的好的算法，它的 java 端口也会很快。

另外，您的数据集是什么样的？是否有很多 2 匹配使得主语和动词经常相同？您希望获得多少场比赛？ MapReduce 可以很好地在 10k 中查找一个匹配项，但在返回 8k of 10k 的查询中无法很好地进行分区。

也有专门针对这个问题的查询语言：SPARQL。 bigdata blog 有一些很好的见解，尽管 10k 似乎也没那么大。

【讨论】：