HybridDictionary 类

// 版权所有  Anders06   于2007年10月25日

第一次遇到这个类，查MSDN得到： 在集合较小时，使用 ListDictionary 来实现 IDictionary，然后当集合变大时，切换到 Hashtable。集合大小界定于count=10。
用Reflector查看了一下大致能知道是怎么回事。（习惯了，好奇心驱使，碰到FCL第一反映就是用这个工具look look）
看其Add()方法：

HybridDictionary.Add()
public void Add(object key, object value)
{
    if (this.hashtable != null)
    {
        this.hashtable.Add(key, value);
    }
    else if (this.list == null)
    {
        this.list = new ListDictionary(this.caseInsensitive ? StringComparer.OrdinalIgnoreCase : null);
        this.list.Add(key, value);
    }
    else if ((this.list.Count + 1) >= 9)
    {
        this.ChangeOver();
        this.hashtable.Add(key, value);
    }
    else
    {
        this.list.Add(key, value);
    }
}

 

HybridDictionary里拥有两个容器，一个为ListDictionary,一个为Hashtable。当初始化不知其大小时会首先讲数据存放于ListDictionary中，当其规模达到10时，会将ListDictionary里的数据copy到Hashtable中，切换到使用Hashtable。
再看ListDictionary，其结构为node的List，因此是线性的，查找key时也是线性查找。

ListDictionary.Contains()
public bool Contains(object key)
{
    if (key == null)
    {
        throw new ArgumentNullException("key", SR.GetString("ArgumentNull_Key"));
    }
    for (DictionaryNode node = this.head; node != null; node = node.next)
    {
        object x = node.key;
        if ((this.comparer == null) ? x.Equals(key) : (this.comparer.Compare(x, key) == 0))
        {
            return true;
        }
    }
    return false;
}

 

从HybridDictionary 的存在我们知道在count<10的时候ListDictionary性能效果要比Hashtable好。我们知道Hashtable查找理论上是O（1），而ListDictionary好歹得O（n）， 由此可见Hashtable在建散列，获值时还是有一定的额外开销的，毕竟它在调用对象的Equals方法外还需额外做点事情，只不过当集合数据变大后这个开销是不足以计。

HybridDictionary的存在只是为我们提供了一种方便，可用于字典中的元素数量未知的情况，让那些追求极限性能的guys尝点甜头。

貌似最近一位同事遇到的情况就可以排上它。
最近同事在测试性能时发现有个地方挺费时的，里面有个方法是比较两个集合的差异。
原代码是这样实现的
foreach (oject o in firstList)
{
    if (secondList.Contains(o))
    ...
}

foreach (oject o in secondList)

{

    if (firstList.Contains(o))
    ...
}

我们知道这种代码效率是很低的,为O（n2）级别，而且还得将两个集合分别做为基去遍历。通过Hashtable改进，完全可以将性能控制在O(n)上。当时讨论建Hashtable也需一点点开销，可能集合数据量很小的时候得不偿失。不过个人觉得这点小性能损失是不足为道的，不过现在看来最佳选择应该是HybridDictionary ：）