用于从列表更新列表的算法

Question

我有一个数据源，它提供了一个对象及其属性列表（一个CSV文件，但这没关系）。每次我的程序运行时，它都需要提取对象列表的新副本，将其与存储在数据库中的对象列表（及其属性）进行比较，并根据需要更新数据库。

处理新对象很容易 - 数据源为每个对象提供一个顺序ID号，在数据库的新信息中检查顶部ID号，然后就完成了。我正在寻找其他情况的建议 - 一些对象的属性发生了变化，或者某个对象被删除了。

一个天真的解决方案是从数据库中提取所有对象并获得两个集合（旧的和新的）的交集的补充，然后检查这些结果，但是这似乎不会非常有效集合变大。有什么想法吗？

Answer 1

大量数据的标准方法相当于此。

我们假设list_1是“主人”。 （没有重复）和list_2是“更新”和“更新”。这可能有重复。

iter_1 = iter( sorted(list_1) ) # Essentially SELECT...ORDER BY
iter_2 = iter( sorted(list_2) )
eof_1 = False
eof_2 = False
try:
    item_1 = iter_1.next()
except StopIteration:
    eof_1= True
try:
    item_2 = iter_2.next()
except StopIteration:
    eof_2= True
while not eof_1 and not eof_2:
    if item_1 == item_2:
        # do your update to create the new master list.
        try:
            item_2 = iter_2.next()
        except StopIteration:
            eof_2= True
    elif item_1 < item_2:
        try:
            item_1 = iter_1.next()
        except StopIteration:
            eof_1= True
    elif item_2 < item_1:
        # Do your insert to create the new master list.
        try:
            item_2 = iter_2.next()
        except StopIteration:
            eof_2= True
assert eof_1 or eof_2
if eof_1:
    # item_2 and the rest of list_2 are inserts.
elif eof_2:
    pass
else:
    raise Error("What!?!?") 

是的，它涉及潜在的排序。如果list_1在将其写回文件系统时按排序顺序保留，则可节省大量时间。如果list_2可以在一个保持排序的结构中累积，那么可以节省大量时间。

对于wordiness抱歉，但你需要知道哪个迭代器引发了 StopIteration ，所以你不能（通常）将整个while循环包装在一个很旧的try块中。

Answer 2

没有办法维持“最后一次修改”吗？领域？这就是你真正想要的东西：基于上次运行备份的增量备份，与上次更改/删除（/添加）对象相比。

Answer 3

您需要在数据库和CSV文件中都有时间戳。时间戳应该在记录更新时显示数据，您应该将记录的时间戳与相同的ID进行比较，以确定是否需要更新记录

关于交叉的想法... 应该这样做反之亦然！ 您必须将所有数据从CSV导入临时表，并在两个SQL数据库表之间进行交集。如果您使用Oracle或MS SQL 2008（2005年不确定），您将找到一个非常有用的MERGE关键字，因此您可以用较少的努力编写SQL，然后花费在其他编程语言中合并数据。

Answer 4

当您将列表拉入程序时，根据数据库表中的列属性迭代列表，执行查询，该列属性从ObjectName列表中映射到对象的相同属性。或者您可以将整个表加载到列表中并以此方式比较列表。我假设你对除了数据库分配的ID之外存在的对象有一些独特的东西。

如果通过查询未在表中找到该对象，请创建一个新条目。如果发现它像FogleBird一样，那么在表格中为该对象存储计算的散列或CRC，您可以将其与列表中的对象进行比较（在对象上运行计算）。如果散列不匹配，请使用列表中的对象更新该对象。