c# - 如何在没有枚举的情况下访问 HashSet 的引用值？

Question

我有这样一个场景，其中内存保护是最重要的。我正在尝试将 > 1 GB 的肽序列读入内存并将共享相同序列的肽实例组合在一起。我将 Peptide 对象存储在一个 Hash 中，这样我可以快速检查重复，但我发现您无法访问 Set 中的对象，即使知道 Set 包含该对象也是如此。

内存真的很重要，我不想尽可能地复制数据。 (否则我会将我的数据结构设计为:peptides = Dictionary<string, Peptide> 但这会在字典和 Peptide 类中复制字符串)。下面是向您展示我想要完成的任务的代码:

public SomeClass {

       // Main Storage of all the Peptide instances, class provided below
       private HashSet<Peptide> peptides = new HashSet<Peptide>();

       public void SomeMethod(IEnumerable<string> files) {
            foreach(string file in files) {
                 using(PeptideReader reader = new PeptideReader(file)) {
                     foreach(DataLine line in reader.ReadNextLine()) {
                         Peptide testPep = new Peptide(line.Sequence);
                         if(peptides.Contains(testPep)) {

                            // ** Problem Is Here **
                            // I want to get the Peptide object that is in HashSet
                            // so I can add the DataLine to it, I don't want use the
                            // testPep object (even though they are considered "equal")
                            peptides[testPep].Add(line); // I know this doesn't work

                            testPep.Add(line) // THIS IS NO GOOD, since it won't be saved in the HashSet which i use in other methods.

                         } else {
                            // The HashSet doesn't contain this peptide, so we can just add it
                            testPep.Add(line);
                            peptides.Add(testPep);
                         }
                     }   
                 }
            }
       }
}

public Peptide : IEquatable<Peptide> {
     public string Sequence {get;private set;}
     private int hCode = 0;

     public PsmList PSMs {get;set;}

     public Peptide(string sequence) {
         Sequence = sequence.Replace('I', 'L');
         hCode = Sequence.GetHashCode();             
     }

     public void Add(DataLine data) {
         if(PSMs == null) {
             PSMs = new PsmList();
         } 
         PSMs.Add(data);
     }

     public override int GethashCode() {
         return hCode;
     }

     public bool Equals(Peptide other) {
         return Sequence.Equals(other.Sequence);
     }
}

public PSMlist : List<DataLine> { // and some other stuff that is not important }

为什么 HashSet不是让我得到HashSet 中包含的对象引用吗？我知道人们会试着说如果HashSet.Contains()返回真，你的对象是等价的。它们在值方面可能是等价的，但我需要相同的引用，因为我在 Peptide 类中存储了额外的信息。

我想到的唯一解决方案是 Dictionary<Peptide, Peptide>其中键和值都指向同一个引用。但这似乎很俗气。是否有另一种数据结构来实现这一点？

Answer 1

基本上你可以重新实现 HashSet<T>你自己，但这是我所知道的唯一解决方案。 Dictionary<Peptide, Peptide>或 Dictionary<string, Peptide>解决方案可能不是低效的 - 如果您只是在每个条目上浪费一个引用，我想这将是相对微不足道的。

事实上，如果你删除 hCode来自Peptide的成员(member)，这将为每个对象节省 4 个字节，无论如何它与 x86 中的引用大小相同......据我所知，缓存哈希没有意义，因为你只会计算每个对象的哈希一次，至少在您显示的代码中。

如果您真的极度需要内存，我怀疑您可以比 string 更有效地存储序列.如果您向我们提供有关该序列包含的内容的更多信息，我们可能会在那里提出一些建议。

我不知道有什么特别强烈的理由为什么 HashSet不允许这样做，除了这是一个相对罕见的要求 - 但这是我在 Java 中看到的要求......