我有两个实体,ClassStudent,它们以多对多的关系联系在一起。
从外部应用程序导入数据时,不幸的是某些类是以重复方式创建的。“复读”班有不同的名字,但同一科目和同一学生。
例如:
{id=341,title='10rs/pe1a',subjectid=60,students={jack,bill,sarah}
{id=429,title='10rs/pe1b',subjectid=60,students={jack,bill,sarah}
没有一个通用的规则来匹配这些重复类的名称,所以识别两个类是否重复的唯一方法是它们具有相同的主语和学生。
我想使用linq来检测所有的重复项(并最终合并它们)。到目前为止,我试过:

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:无法创建类型为“teachedm.student”的常量值。在此上下文中仅支持基元类型(如int32、string和guid)。
显然,我不喜欢在linq中尝试匹配o.SubjectId == c.SubjectId
此外,这似乎是一个可怕的方法,一般来说,是非常缓慢的。对数据库的调用需要5分钟以上。
我真的很感激你的建议。

最佳答案

比较SubjectId不是问题,因为c.SubjectId是一个原始类型的值(int,我猜)。异常抱怨Equals(c.Students)c.Students是一个常量(对于查询duplicates),但不是基元类型。
我还会尝试在内存中而不是数据库中进行比较。不管怎样,当您开始第一个foreach循环时,您正在将整个数据加载到内存中:它执行查询allClasses。然后在循环的内部,将IQueryableallClasses扩展到IQueryableduplicates,然后在内部循环中执行。这是每个外循环元素的一个数据库查询!这可以解释代码性能差的原因。
所以我会尝试执行内存中第一个foreach的内容。为了比较foreach列表,需要逐个元素进行比较,而不是对students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();

按名称对序列排序是必要的,因为我相信,Students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,依此类推。
编辑您的评论,第一个查询仍然很慢。
如果你有1300个班,每个班30个学生,那么在数据库和客户机之间传输的数据会成倍增加,这可能会影响急切加载(SequenceEqual)的性能。这在这里解释:How many Include I can use on ObjectSet in EntityFramework to retain performance?。查询是复杂的,因为它需要一个Include之间的类和学生和对象物化是复杂的,因为ef必须过滤掉重复的数据时,对象被创建。
另一种方法是只加载第一个查询中没有学生的类,然后在循环中逐个明确地加载学生。看起来是这样的:
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();

在本例中,您将有1+1300个数据库查询,而不是只有一个查询,但是您将不会有急切加载时发生的数据乘法,并且查询更简单(在类和学生之间没有JOIN)。
解释性加载如下:
http://msdn.microsoft.com/en-us/library/bb896272.aspx
对于pocos(也适用于JOIN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EntityObjectLoad方法:http://msdn.microsoft.com/en-us/library/bb896370.aspx
如果您使用延迟加载,则第一个EntityCollectionforeach不需要,因为第一次访问时将加载LoadProperty集合。它应该会导致1300个相同的额外查询,比如explicite加载。

10-07 22:59