Linq专题之提高编码效率—— 第一篇 Aggregate方法

　我们知道linq是一个很古老的东西，大家也知道，自从用了linq，我们的foreach少了很多，但有一个现实就是我们在实际应用中使用到的却是屈指可数

的几个方法，这个系列我会带领大家看遍linq，好的，废话不多说，先从Aggregate这个貂毛说起。

一：应用场景

　　前不久在写一个项目的时候，我需要捞取营销活动，刚好营销活动有两个类型，一种是普通活动，一个是触发式活动，由于存放在两张表中，并且捞取

之后需要做一些实体的转存，等等计算，所以就有了类似这样的代码。

namespace ConsoleApplication1
{
 class Program
 {
 static void Main(string[] args)
 {
 Dictionary<int, List<Marketing>> dic = new Dictionary<int, List<Marketing>>();

 //普通活动
 if (!dic.ContainsKey(1))
 dic[1] = new List<Marketing>();
 dic[1].Add(new Marketing() { MarketingID = 1, MarketingName = "普通活动1" });
 dic[1].Add(new Marketing() { MarketingID = 1, MarketingName = "普通活动2" });

 //事件活动
 if (!dic.ContainsKey(2))
 dic[2] = new List<Marketing>();
 dic[2].Add(new Marketing() { MarketingID = 3, MarketingName = "事件活动1" });
 dic[2].Add(new Marketing() { MarketingID = 4, MarketingName = "事件活动2" });
 }
 }

 class Marketing
 {
 public int MarketingID { get; set; }

 public string MarketingName { get; set; }
 }
}

        

          
        
        
        

          

          AI 代码解读
        
      
      

然后我经过一系列运算之后，又需要把字典中的key=1和key=2的数据扁平到一个list中，那么这个简单的计算该怎么做到呢？？？

普通的做法： 需要先定义一个List变量，然后一个foreach搞定。

1 List<Marketing> marketingList = new List<Marketing>();
2 foreach (var key in dic.Keys)
3 {
4 marketingList.AddRange(dic[key]);
5 }

        

          
        
        
        

          

          AI 代码解读
        
      
      

如果你不会用Aggregate的话，你会觉得这个方法已经非常极致了。。。而事实呢？？？我们应该还有更牛逼的做法！！！

牛逼的做法：

1 var marketingList = dic.Keys.Aggregate(Enumerable.Empty<Marketing>(), (total, next) =>
2 {
3 return total.Union(dic[next]);
4 });

        

          
        
        
        

          

          AI 代码解读
        
      
      

有没有看到，用lamda这种写法多么的连贯，没有第一种写法上的断层，当然很多框架上都有Aggregate这种聚合计算，比如mongodb中同样也有

Aggregate，下面我们用ILSpy看看Aggregate这种魔法化的代码是怎么实现的。

二：探究源码

当你看到源码的时候，是不是有一种亮瞎眼的感觉，所谓的Aggregate在内部其实也仅仅是“普通做法”一模一样的源代码。。。而Aggregate仅仅做的

是一层代码封装，这样也好，提高了我们开发效率，对吧，如下图：

从图中我们看到了Aggregate有三种重载方法，本篇刚好用到的是第二种重载，第一种看起来就更简单了，对吧，更何况我们有ILSpy，欢迎大家自行

探索，本篇就说到这里了，感谢支持~~~