如何在没有枚举的情况下访问HashSet<TValue>的引用值？

Question

我有这样一个场景，在这个场景中，内存节约是最重要的。我正在尝试将大于1 GB的肽序列读入内存，并将共享相同序列的肽实例分组在一起。我将多肽对象存储在Hash中，以便快速检查重复项，但发现您无法访问Set中的对象，即使知道Set中包含该对象。

内存真的很重要，如果可能的话，我不想复制数据。(否则我会将我的数据结构设计为:肽= Dictionary<string, Peptide>，但这将复制字典和肽类中的字符串)。下面的代码向您展示了我想要完成的任务：

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不让我获取包含在HashSet中的对象引用？我知道人们会试图说，如果HashSet.Contains()返回true，那么你的对象是等价的。它们在值方面可能是等价的，但我需要引用是相同的，因为我在多肽类中存储了额外的信息。

我想出的唯一解决方案是Dictionary<Peptide, Peptide>，其中键和值都指向相同的引用。但这看起来有点俗气。有没有其他的数据结构可以做到这一点？

Answer 1

基本上，您可以自己重新实现HashSet<T>，但这是我所知道的唯一解决方案。不过，Dictionary<Peptide, Peptide>或Dictionary<string, Peptide>解决方案可能并不是那么低效-如果每个条目只浪费一个引用，我想这将是相对微不足道的。

事实上，如果您从Peptide中删除hCode成员，那么每个对象将节省4个字节，这与x86中的引用大小相同……据我所知，缓存散列是没有意义的，因为您将只计算每个对象的散列一次，至少在您所显示的代码中是这样。

如果你真的非常需要内存，我怀疑你可以比string更有效地存储序列。如果你给我们更多关于序列包含的信息，我们可能会在那里提出一些建议。

我不知道为什么HashSet不允许这样做，除了这是一个相对罕见的要求之外，我不知道有什么特别有力的理由，但我也看到在Java语言中也有这样的要求。

Answer 2

使用Dictionary<string, Peptide>。