也说扩展方法

    前一阶段看到园子里面有不少人写了很多关于web界面的扩展方法，由于工作原因，本人几乎不碰任何关于界面的东西，所以这里写的扩展方法都是纯粹的逻辑方面的扩展，并且集中在了对IEnumerable<T>方面的扩展。

    关于IEnumerable<T>方面的扩展，相信大家已经非常熟悉了，在Linq里面用的最多的就是IEnumerable<T>和IQueryable<T>的扩展方法。本文中主要还是对IEnumerable<T>添加一些扩展行为。

1.Zip方法

    熟悉函数式编程语言的话，一定知道Zip函数，其作用就是把两个序列（这里的序列就是指IEnumerable<T>的实例）合并成一个序列，并且这个结果序列的元素就是依次取这两个序列中的元素，通过某个函数合并而成的对象，结果序列的长度由短的那个序列决定。

    来看一下如何实现这样一个功能：

    是不是很意外，上边用这么多话说了zip要干什么，实现代码却只有4句（本文中的所有代码均不考虑参数检查），方法的声明都花了3行，这里不得不感谢c# 2.0就提供的yield语法糖，把原本复杂的实现全部交给编译器了。

    在看看这个zip方法用起来如何：

    看看运行结果：

    但是，现在还是仅仅处理了有限序列，如果是无限序列哪？

    首先，写个无限序列：

 

 

 

    在uncheck的情况下，这个序列是不可能有终止的。

    可能有人会惊呼while(true)这不是死循环嘛，程序会在这里卡死，不要紧张，这里while(true)里面是yield，所以不会有任何问题，除非你想把这个序列全部求解出来。

    再来看一下，values是一个从某数据源读取出来的一个有限序列，但是key序列并不知道应该初始化多少个，除非已经知道values的个数，但是在某些情况下，这个也是一个比较奢侈的要求，现在再用之前的zip方法：

    看一下结果：

    结果与之前一样，这因为zip在处理两个序列的时候，是根据较短的那个序列来决定结果序列的长度的，所有，当一个序列为有限，另一个为无限时，结果就为有限的那个序列的长度。

    但是，当两个无限都为无限序列的话哪？

    那么结果序列一定也是无限序列，这样对它的遍历就是死循环了，但是，两个无限序列做zip操作本身并不是无意义的。

    例如，现在需要一个无限序列，其第n个值等于(1+n)*(2+n)，n>=0，好吧，当然可以利用前面的while(true)+yield方式再写一个，不过，本人比较懒惰，直接就用这个：

    来打印这个序列看看，不过要注意了，这个是无限序列，直接遍历就是死循环，所以，这里仅仅察看序列的前5个元素：

    其结果为：

    到这里，可以看出zip不但支持对有限序列的操作，同时也支持对无限序列的操作。

2.MergeJoin方法

 

 

 

 

    关系型数据库的Join有3种主要的Join方式：Nest Loop，Hash和Merge。其中的Merge方式就是这里的Merge Join的原理(wiki的解释)。

    同时，根据wiki上面的c#代码，可以很快写出这样一个实现（简易版）：

    来调用一下看看：

    运行结果为：

    在这个两个数组中只有3和7是两个数组共有的，这个和直接Join的结果一样，看一下直接Join：

    非常简洁，说非常Linq，但是这个Join方式（Linq to Object）实际上用的是Hash方式，那么Hash Join方式和Merge Join方式到底有什么不同哪？

    Hash Join方式要求必须全部加载数据，而Merge Join方式只要求两个序列必须已经按照Key做排序。所以，如果数据量上G的话，Hash方式会导致内存不足，而直接失败（当然如果可以去改良），而Merge方式只要求序列排序，内存占用可以忽略不计，这样处理超大量的数据就不会有任何问题了，甚至可以是无限序列。

    例如：

    在不考虑溢出的情况下，a序列代表一个：(1+n)*(2+n)，n>=0的一个无限序列，当然是一个递增的序列，而b序列代表一个10*n，n>=1的一个无限序列，当然也是一个递增的序列，c则是把a和b序列Join起来的一个序列，当然也是无限序列，然后打印出前5个元素：

    如果，这里想用Hash Join的方式，那么永远无法等到结果出来。

    最后来个复杂点的Join，作为Merge Join的功能展示（a，b都是按照Level递增的序列）：

 

3.LinearGroupBy方法

    要说到group by，相信无论是玩Linq的还是玩sql的都熟悉这个，先来看个标准的Linq：

    看看结果：

    不过，这里提出的LinearGroupBy的目的略有不同，group by是一个无视顺序的按键值分组，而LinearGroupBy是仅仅把相邻的元素group by起来，也就是说，{ 1, 1, 2, 2, 2, 3, 2 }经过LinearGroupBy的结果应该是：

    好吧，再来一个简易版的实现：

    调用代码则为：

    那么这个LinearGroupBy是实现了，但是这个方法与标准的group by相比，除了逻辑不一样，还有什么不同哪？

    这个LinearGroupBy的逻辑只需要知道前一个键值和当前元素，所以不需要知道序列的完整内容，换而言之，也就是可以处理无限序列。

 

 

 

 

 

 

 

 

 

    不过，如果这个序列本身就已经按照键值排序了哪？

    那么，标准group by与LinearGroupBy的结果将是一样的，也就是说，对于一个已经排序的序列，LinearGroupBy拥有更好的性能和更好的无限序列的亲和性：

    x是一个这样的序列：{1,2,2,3,3,3,5,6,6,7,7,7,9,…}（换句话说：0个0，1个1，2个2，3个3，0个4，1个5，2个6，3个7，0个8，1个9，…），本身就是一个已经排序的无限序列，看一下前五个group by的结果：

 

 

 

4.总结

    前面的3个方法，可以说都是为了无限序列和小内存操作而优化的，所以在需要用流的方式处理某些数据时非常有用。至于例子就暂时不写了，就说说领域吧，超大文件的处理，或者超大数据库表的用IDataReader的方式来处理，或者基于时间的无限序列的处理等方面。