我建议如下：将所有值存储在数据库中，并保留一个以字符串哈希为键的内存字典。如果发生冲突，请从数据库中获取值，否则（大多数情况下）使用字典。实际上，它将是一个巨大的缓存。
Python中的字典存在一个问题，即它们占用了大量空间：即使int-int字典在32位系统上每个键值对也使用 45-80字节
。同时，每对int
array.array('i')仅使用 8个字节 ，并且通过少量记账就可以实现基于数组的 int→int字典的合理快速运行。
一旦有了内存效率高的int-int字典实现，就将您的 字符串→（对象，int，int） 字典分成三个字典，并使用哈希代替完整的字符串。您将获得一个
int→对象 和两个 int→int 字典。模仿 int→对象 字典，如下所示：保留对象列表并将对象的索引存储为 int→int 字典的值。
我的确意识到要获得基于数组的字典需要涉及大量的编码。我遇到了与您类似的问题，并且实现了一个相当快，内存效率很高的通用hash-int字典。
这是我的代码（BSD许可证）。它是基于数组的（每对8个字节），它负责密钥散列和冲突检查，它在写入过程中使数组（实际上是几个较小的数组）保持有序，并在读取时进行二进制搜索。您的代码简化为：
dictionary = HashIntDict(checking = HashIntDict.CHK_SHOUTING)# ...database.store(k, v)try: dictionary[k] = vexcept CollisionError: pass# ...try: v = dictionary[k]except CollisionError: v = database.fetch(k)
该
checking参数指定发生冲突时发生的情况：在读取和写入时
CHK_SHOUTING提高，
CollisionError在读取时
CHK_DELETING返回
None，并且在写入时保持沉默，
CHK_IGNORING不进行冲突检查。
接下来是对我的实现的简要说明，欢迎使用优化提示！顶层数据结构是数组的常规字典。每个数组最多包含
2^16 =65536整数对（的平方根
2^32）。键
k和对应的值
v都存储在
k/65536-th数组中。数组按需初始化，并按键保持顺序。每次读取和写入都会执行二进制搜索。冲突检查是一个选项。如果启用，尝试覆盖现有键的操作将从字典中删除键和关联的值，将该键添加到一组冲突键中，并且（再次可选）引发异常。
