时间戳

首页 > 解决方案 > Powershell 问题 - 寻找最快的方法来遍历 500k 对象以在另一个 500k 对象数组中寻找匹配项

performance - Powershell 问题 - 寻找最快的方法来遍历 500k 对象以在另一个 500k 对象数组中寻找匹配项

问题描述

我有两个使用 import-csv cmdlet 导入的大型 .csv 文件。我做了很多搜索和尝试，终于发帖寻求帮助以使这更容易。

我需要遍历第一个数组，该数组的行数从 80k 到 500k 不等。这些数组中的每个对象都有多个属性，然后我需要在第二个相同大小的数组中找到对应的条目，该数组与那里的属性匹配。

我将它们作为 [systems.collection.arrayList] 导入，并且我也尝试将它们放置为哈希表。我什至尝试过使用其他几篇文章中提到的 LINQ。

任何人都可以提供建议或见解如何使这个运行更快？感觉就像我在一个干草堆中寻找不同堆栈中的干草。

$ImportTime1 = Measure-Command {
    [System.Collections.ArrayList]$fileList1 = Import-csv file1.csv
    [System.Collections.ArrayList]$fileSorted1 = ($fileList1 | Sort-Object -property 'Property1' -Unique -Descending)
    Remove-Variable fileList1
}

$ImportTime2 = Measure-Command {
    [System.Collections.ArrayList]$fileList2 = Import-csv file2.csv
    [System.Collections.ArrayList]$fileSorted2 = ($fileList2 | Sort-Object -property 'Property1' -Unique -Descending)
    Remove-Variable fileList2
}

$fileSorted1.foreach({
     $varible1 = $_
     $target = $fileSorted2.where({$_ -eq $variable1})
     ###do some other stuff
})

标签： performancepowershelllarge-data

解决方案

这可能有用：https ://powershell.org/forums/topic/comparing-two-multi-dimensional-arrays/

评论 #27359 中的更新解决方案 + 添加 Max Kozlov 在评论 #27380 中建议的更改。

Function RJ-CombinedCompare() {
    [CmdletBinding()]
    PARAM(
        [Parameter(Mandatory=$True)]$List1,
        [Parameter(Mandatory=$True)]$L1Match,
        [Parameter(Mandatory=$True)]$List2,
        [Parameter(Mandatory=$True)]$L2Match
    )
    $hash = @{}
    foreach ($data in $List1) {$hash[$data.$L1Match] += ,[pscustomobject]@{Owner=1;Value=$($data)}}
    foreach ($data in $List2) {$hash[$data.$L2Match] += ,[pscustomobject]@{Owner=2;Value=$($data)}}
    foreach ($kv in $hash.GetEnumerator()) {
        $m1, $m2 = $kv.Value.where({$_.Owner -eq 1}, 'Split')
        [PSCustomObject]@{
            MatchValue = $kv.Key
            L1Matches = $m1.Count
            L2Matches = $m2.Count
            L1MatchObject = $L1Match
            L2MatchObject = $L2Match
            List1 = $m1.Value
            List2 = $m2.Value
        }
    }
}

$fileList1 = Import-csv file1.csv
$fileList2 = Import-csv file2.csv

$newList = RJ-CombinedCompare -List1 $fileList1 -L1Match $(yourcolumnhere) -List2 $fileList2 -L2Match $(yourothercolumnhere)

foreach ($item in $newList) {
    # your logic here
}

将列表传递到此哈希表应该很快，并且迭代也很快。

推荐阅读