C# Linq包含两个巨大的列表，需要很长时间

当我想将一个巨大的列表（大约700000个元素）与一个特定的属性和字符串列表进行比较时，需要很长时间

我试过阿斯巴利尔，但它对我没有任何帮助。我需要removedSuccessFromList的列表，因为我想使用此列表启动Parallel.Foreach

List<string> successStrings = service.GetProperty().Select(q => 
q.IdString).ToList();

List<Property> removedSuccessFromList = properties.AsParallel().Where(q => 
!successStrings.Contains(q.IdString)).ToList();

List successStrings=service.GetProperty（）.Select（q=>
q、 IdString.ToList（）；
List removedSuccessFromList=properties.aspallel（）。其中（q=>
！successStrings.Contains（q.IdString））.ToList（）；

如果在

successStrings

中有大量字符串，请使用mre有效的数据结构，如哈希集：

var successStrings = new HashSet<string>(service.GetProperty().Select(q => q.IdString));

List<Property> removedSuccessFromList = properties.Where(q => !successStrings.Contains(q.IdString)).ToList();

var successStrings=newhashset（service.GetProperty（）.Select（q=>q.IdString））；
List removedSuccessFromList=properties.Where（q=>！successStrings.Contains（q.IdString））.ToList（）；

---

List.Contains

方法的复杂性为O（N），因此它扫描所有元素以查找匹配项<代码>哈希集。包含的复杂性为O（1）-它可以检查元素是否存在非常大。

如果在

successStrings

中有很多字符串，则使用mre有效的数据结构，如哈希集：

var successStrings = new HashSet<string>(service.GetProperty().Select(q => q.IdString));

List<Property> removedSuccessFromList = properties.Where(q => !successStrings.Contains(q.IdString)).ToList();

var successStrings=newhashset（service.GetProperty（）.Select（q=>q.IdString））；
List removedSuccessFromList=properties.Where（q=>！successStrings.Contains（q.IdString））.ToList（）；

---

List.Contains

方法的复杂性为O（N），因此它扫描所有元素以查找匹配项<代码>哈希集。包含的复杂性为O（1）-它可以检查元素是否存在非常大。

如果您的

IdString

是唯一的，您可以从

Where

逻辑中的successstring中删除每个创建的项，因此列表最终会变小。

如果您的

IdString

是唯一的，您可以从中的successstring中删除每个创建的项

其中

逻辑使列表最终变小

“需要很长时间”。。。这一基准是如何实现的？如何将一个“长时间”与另一个“长时间”进行比较？SuccessString有多大？属性有多大？大小可以matter@Evk我假设

properties

是700k，但是：是的，最好知道两个输入的大小“需要很长时间”。。。这一基准是如何实现的？如何将一个“长时间”与另一个“长时间”进行比较？SuccessString有多大？属性有多大？大小可以matter@Evk我假设

properties

是700k，但是：是的，最好知道两个输入的大小O（1）可以比O（N）慢，特别是对于小N。这是否是一个实际的改进在很大程度上取决于

successStrings的大小

注意O（1）可以比O（N）慢，特别是对于小N。这是否是一个实际的改进在很大程度上取决于

successStrings

的大小，这不会自动成为一个改进；由于OP使用的是并行的，所以需要进行同步，这可能会增加显著的影响impact@MarcGravell是的，我建议不要使用并行，只在16核上运行O（N）算法。在一个内核上运行更好的算法应该会更有效。这种方法需要很长时间，但我可以看到进展。这不会自动成为一种改进；由于OP使用的是并行的，所以需要进行同步，这可能会增加显著的影响impact@MarcGravell是的，我建议不要使用并行，只在16核上运行O（N）算法。在一个内核上运行更好的算法应该会更有效。这种方法会花费很长时间，但我可以看到进展。