二、优化数据类型及算法

　　越到后面内存的降低越来越困难。仔细看了代码之后，除了上面之外，代码中也有一些其他问题，比如，一开始就将大量的对象实例化到内存中，然后一直保存。每一条记录中的信息比较多，但真正有用的用于搜索匹配的只有下面四个字段，但是整体的实例化会将其他没有用的字段也一并序列化进去了。导致很多内存被无用的字段占用。

　　股票代码 股票中文名 中文拼音 市场类型 ……

　　600000 浦发银行 PFYH 上证A股 ……

　　所以第一步就是在内存中只存放需要检索的上面四个关键字段，每一条记录刚开始是使用string[]数据，而不是使用类或者其它结构来保存，也尝试使用结构提来保存，但是由于四个字段，数据量大，中间还要作为参数传递，所以比使用类还大，这里只是简单的使用了数组。

　　除了上面这些之外，为了提高搜索效率，对数据按照0-9，a-z开头对数据做了切分分块缓存，这样当用户输入0时，直接从以0为key的块中读取数据，这样速度是加快了，但是大量的缓存也增加了对内存的消耗。缓存的数据基本上和加载到内存中原始的数据一样大了。并且在搜索的过程中，也是采用的完全搜索，对于17万条数据的四个字段，每一次查询要进行170000*4次遍历比较，才能找出最匹配的10条数据来。

　　为此，引入了不完全搜索，就是事先对各类型证券，如 股票，基金，债券分类，对每一类按证券代码进行排序。当用户设置了搜索的优先级时，依次在每一类中查找，如果找到满足条件的10条记录，则立即返回，因为数据已经事先按照证券类型和代码排好序了，所以后面找到的肯定没有之前找到的匹配度高，这一改进直接提高了搜索查询的效率。对有序的数据进行查找效率一般会比无序的数据查找效率高。我们常见的一些查找算法，比如说，二分查找法，前提也是待查找的集合有序排列。