如何在不枚举的情况下访问HashSet <TValue>的引用值？

Question

我有这种情况,其中内存保护是至关重要的.我试图将> 1 GB的肽序列读入共享相同序列的记忆和组肽实例中.我将Peptide对象存储在Hash中,因此我可以快速检查重复,但发现即使知道Set包含该对象,也无法访问Set中的对象.

内存非常重要,如果可能,我不想复制数据.(否则我会将我的数据结构设计为:peptides = Dictionary<string, Peptide>但是会复制字典和Peptide类中的字符串).下面是代码,向您展示我想要完成的任务:

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不让我获得HashSet中包含的对象引用？我知道人们会试着说如果HashSet.Contains()返回true,你的对象是等价的.它们在值方面可能是等价的,但我需要引用相同,因为我在Peptide类中存储了其他信息.

我想出的唯一解决方案是Dictionary<Peptide, Peptide>密钥和值都指向相同的引用.但这似乎很俗气.还有其他数据结构可以实现吗？

Answer 1

基本上你可以重新实现HashSet<T>自己,但这是我所知道的唯一解决方案.该Dictionary<Peptide, Peptide>或Dictionary<string, Peptide>解决方案可能不是那个低效,但-如果你只是在浪费每进入一个参考,我会想象这将是相对不重要.

实际上,如果你hCode从中移除成员Peptide,那么每个对象4个字节就可以保证与x86中的引用大小相同......就我所知,缓存哈希是没有意义的,因为你会仅计算每个对象的哈希值,至少在您显示的代码中.

如果你真的非常渴望记忆,我怀疑你可以比a string.更有效地存储序列.如果您向我们提供有关序列所包含内容的更多信息,我们可以在那里提出一些建议.

我不知道为什么不允许这样做有任何特别强烈的理由HashSet,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......