C# LINQ-可查询优化-是否需要它？

假设我们有一个带有几个复选框的表单（比如说类似的报告——基于相同的表，但不同的过滤器）

我有一个方法，它只需要几个参数——其中3个参数对于每个报告都是通用的，其中3个参数对于一个报告是特定的。简化版：

public IEnumerable<ReportSet> GetAList(DateTime commonDate, bool commonBoolean, TypeEnum mainReportType, AnotherTypeEnum sideType)
{
  IQueryable<ReportSet> aList = this.DB.Reports;

  aList = aList.FilterByDate(commonDate);
  aList = aList.FilterByBool(commonBoolean);

  switch(mainReportType)
  {
    case 1:
       aList = aList.Where(x=>x..)
       break;
    case 2:  
       aList = aList.Where(x=>x..)
       break;
  }

 return aList;
}

public IEnumerable GetList（DateTime commonDate，bool commonBoolean，TypeEnum Main ReportType，另一个TypeEnum sideType）
{
IQueryable aList=this.DB.Reports；
aList=aList.FilterByDate（commonDate）；
aList=aList.FilterByBool（公共布尔）；
开关（主报告类型）
{
案例1：
aList=aList.Where（x=>x…）
打破
案例2：
aList=aList.Where（x=>x…）
打破
}
回归主义者；
}

如果选中所有复选框，我必须多次将firts作为方法的一部分（因此从db和2 filterBy中获取），但我必须使用一些元组，因为我需要为每个报表特定的参数设置一组参数，并且我猜每个元组调用带有开关部分的私有方法

我可以做到，但它值得吗，因为这些过滤器在iqueryable上只有一部分？（在任何情况下，从DB获取数据都要进行几次）

有什么建议吗

编辑：根据下面的答案，这是我的计划：

---

我将使用所有过滤器，构建一个查询，获取所有想要的数据以填充所有选中的列表（但不超过），而不是转到数据库（仅一次，因为我想在这里转到数据库是最昂贵的，所以我只想这样做一次），然后将结果拆分到c#中所需的列表中。

我想我理解您的问题，但是LINQ2SQL（或任何LINQ）将仅在需要时进行计算，而不是直接在语句/赋值上进行计算

它叫

因此，在您的示例中，您只是在构建一个（巨大的）查询，使用ToList（）或foreach，它将计算所有堆叠在一起的内容，生成一个大SQL语句并将其传递给数据库进行计算

启用对生成的SQL语句的日志记录时，可以检查此行为：

---

这是个好主意-谢谢，我刚刚学到了一些新的很棒的东西：）我将拆分并执行一个查询，然后执行-do.where in c#将其拆分到我想要的列表中。

db.Log = Console.Out;
IQueryable<Customer> custQuery =
    from cust in db.Customers
    where cust.City == "London" 
    select cust;

foreach(Customer custObj in custQuery)
{
    Console.WriteLine(custObj.CustomerID);
}

SELECT [t0].[CustomerID], [t0].[CompanyName], [t0].[ContactName], [t0].[ContactT
itle], [t0].[Address], [t0].[City], [t0].[Region], [t0].[PostalCode], [t0].[Coun
try], [t0].[Phone], [t0].[Fax]
FROM [dbo].[Customers] AS [t0]
WHERE [t0].[City] = @p0
-- @p0: Input String (Size = 6; Prec = 0; Scale = 0) [London]
-- Context: SqlProvider(Sql2005) Model: AttributedMetaModel Build: 3.5.20810.0