使用org.javatuples.Pair和HashMap创建密集矩阵太慢

我有一个大小约为30000x30000的密集对称矩阵，它包含字符串之间的距离。由于距离是对称的，因此矩阵的上三角形存储在表单的一个以制表符分隔的3列文件中

stringA<tab>stringB<tab>distance

data.txt

非常大（~4亿行），而且过程最终会减慢到爬行，大部分时间都花在

java.util.HashMap.put

上

我不认为对上应该有（m）任何哈希代码冲突，但我可能错了。我如何验证这一点？只要看看p12.hashCode（）和p12.hashCode（）的独特性就足够了吗

如果没有碰撞，还有什么会导致减速

---

有没有更好的方法来构造这个矩阵以便快速查找？

我现在正在使用

表

，因为我也意识到我的字符串是唯一的，我可以使用它们的散列，而不是字符串本身作为键，以减少内存需求。表的创建在合理的时间内运行，但是，序列化和反序列化结果对象时存在问题：即使从

String

移动到

Integer

，我也遇到了内存不足的错误。在我决定不同时存储

a-b

和

b-a

对之后，它似乎起到了作用，但我可能在我的机器能够处理的边缘上取得了平衡。你最好还是自己写一对

吧。另外，使用手动
split
而不是
String.split
@LouisWasserman您是指
org.javatuples.Pair
中的
hashCode
实现吗？感谢
split
的建议，尽管根据profileries，现在它只占处理时间的0.5%，这就是我所说的实现；它甚至不适用于有两个元素的情况。我想这里的主要瓶颈是文件I/O。您是否测量了只读取文件而不使用它的时间？@radoh file I/O不是问题所在。正如Louis在上面指出的，问题在于
对
的
hashCode（）
，它确实会对我的数据产生大量冲突。我现在正在试验一种替代方案，如果可行的话，我会发布它
import org.javatuples.Pair;

HashMap<Pair<String,String>,Double> pairScores = new HashMap<Pair<String,String>,Double>();

BufferedReader bufferedReader = new BufferedReader(new FileReader("data.txt"));
String line = null;

while((line = bufferedReader.readLine()) != null) {
    String [] parts = line.split("\t");
    String d1 = parts[0];
    String d2 = parts[1];
    Double score = Double.parseDouble(parts[2]);
    Pair<String,String> p12 = new Pair<String,String>(d1,d2);
    Pair<String,String> p21 = new Pair<String,String>(d2,d1);
    pairScores.put(p12, score);
    pairScores.put(p21, score);
}