zoukankan      html  css  js  c++  java
  • IQueryable、IEnumberable 、IList与List区别

    虽然一直在使用,却对其概念和原理不作深入了解,特地查阅了资料写源码做了测试,本人能力有限,部分讲解有错的望留言纠正.

    基本概念:

    IEnumerable:使用的是LINQ to Object方式,它会将AsEnumerable()时对应的所有记录都先加载到内存,然后在此基础上再执行后来的Query

    IQeurable(IQuerable<T>):不在内存加载持久数据,因为这家伙只是在组装SQL,(延迟执行) 到你要使用的时候,例如 list.Tolist() or list.Count()的时候,数据才从数据库进行加载 (AsQueryable())。

    IList(IList<T>):泛型接口是 ICollection 泛型接口的子代,作为所有泛型列表的基接口,在用途方面如果作为数据集合的载体这是莫有问题的,只是如果需要对集合做各种的操作,例如 排序 编辑 统计等等,它不行。

    List <> :泛型类,它已经实现了IList <> 定义的那些方法,IList<T> list=new List<T>();只是想创建一个基于接口IList<Class1>的对象的实例,这个接口是由List<T>实现的。只是希望使用到IList<T>接口规定的功能而已

    抽象场景:
    其实在我们之前没有使用 ORM 的的很久很久以前,我们 在ADO.net 里面使用的 DataReader 和 DataAdapter or DataSet 和这几个货的基本原理都接近的,就是读取数据的时候,一个必须独占着数据库的连接,而另一个就是先把数据库的的局加载到了自己本地,然后再进行操作。
    举个简单的例子就是: 一般的火锅都有专门的调料桌,像我我喜欢芝麻酱,我就拿了一个,回来就开刷了,B君比较大条,不管喜不喜欢拿了十几种调料过来,而C君比较理性,他把自己不喜欢的都排除了,然后一个个针对性的拿过来。

    使用场景模拟:

    //IList
    IList users = res.ToList(); //此时已把users加载到内存,而每个user的关联实体(UserInfos)未
                                           //被加载,所以下一行代码无法顺利通过
    var ss = users.Where(p => p.UserInfos.ID != 3); //此处报错,因为P的UserInfos实体无法被加载
     
    // IQuerable的
    IQueryable users = res.AsQueryable(); //users未被立即加载,关联实体可通过“延迟加载”获
                                       //得
    var ss = users.Where(p => p.UserInfos.ID != 3);//此处顺利获得对应的ss
     

    总结:

    基于性能和数据一致性这两点,使用IQueryable时必须谨慎,而在大多数情况下我们应使用IList。

    1.当你打算马上使用查询后的结果(比如循环作逻辑处理或者填充到一个table/grid中),并且你不介意该查询即时被执行后的结果可以供调用者(Consummer)作后续查询(比如这是一个"GetAll"的方法),或者你希望该查执行,使用ToList()
    2.当你希望查询后的结果可以供调用者(Consummer)作后续查询(比如这是一个"GetAll"的方法),或者你希望该查询延时执行,使用AsQueryable()
    3.按照功能由低到高:List<T> IList<T> IQueryable<T> IEnumerable<T>
    4.按照性能由低到高:IEnumerable<T> IQueryable<T> IList<T> List<T>

    总结内容借鉴:http://www.cnblogs.com/QingLang-Raymond/articles/5512377.html

  • 相关阅读:
    远程监控JVM
    性能测试的思考
    吴恩达《机器学习》课程总结(11)机器学习系统的设计
    吴恩达《机器学习》课程总结(10)应用机器学习的建议
    吴恩达《机器学习》课程总结(9)神经网络的学习
    吴恩达《机器学习》课程总结(8)神经网络表述
    吴恩达《机器学习》课程总结(7)正则化
    吴恩达《机器学习》课程总结(6)逻辑回归
    吴恩达《机器学习》课程总结(5)Octave教程
    吴恩达《机器学习》课程总结(4)多变量线性回归
  • 原文地址:https://www.cnblogs.com/zhangjunwei87/p/8124476.html
Copyright © 2011-2022 走看看