C#存储百万级内存Person类记录应选用什么数据结构与优化策略？

100万条单属性实体的存储本身属于轻量场景，出现耗时过长、内存占用过高的问题，基本是集合选型不当、未做基础内存优化、忽略框架默认行为的额外开销导致的，可按以下方向优化：

一、数据结构选型 #

• 仅做顺序存储、遍历：直接使用定长数组Person[]，或初始化时指定精确容量的List<Person>，即new List<Person>(1_000_000)。禁止使用无参构造的List，默认初始容量只有4，插入100万条数据会触发十多次动态扩容，每次扩容都要重新申请内存、拷贝全量数据、回收旧数组，额外耗时和内存碎片非常明显。
• 需要按Id做去重、单点查询：优先使用Dictionary<string, Person>或HashSet<Person>，构造时必须传入两个参数：精确容量值、StringComparer.Ordinal（大小写敏感场景）或StringComparer.OrdinalIgnoreCase（大小写不敏感场景）。指定比较器能避免默认字符串比较的额外开销，减少哈希碰撞，查询和插入速度能提升30%以上。
• 若Id可转换为值类型（如数字Id、Guid），必须用值类型作为Dictionary的键，不要用string：比如Guid作为键比同等内容的string内存占用少40%，哈希计算速度快一倍。
• 无排序需求不要用SortedList、SortedDictionary等有序集合，这类结构的插入耗时和内存占用是普通Dictionary的2-3倍。

二、内存占用优化 #

• 优先将Person定义为只读值类型：64位系统下，每个class实例有16字节的固定额外开销（对象头+方法表指针），100万条实例光这部分开销就有16MB；改成readonly struct后，数组中直接存储Id的引用，没有额外对象开销，总内存占用降低60%以上，同时值类型数组是连续内存布局，CPU缓存命中率更高，遍历速度能提升2-3倍。优化后的定义参考：

public readonly struct Person : IEquatable<Person>
{
    public string Id { get; }
    public Person(string id) => Id = id;
    public bool Equals(Person other) => string.Equals(Id, other.Id, StringComparison.Ordinal);
    public override int GetHashCode() => StringComparer.Ordinal.GetHashCode(Id);
    public override bool Equals(object? obj) => obj is Person other && Equals(other);
}

• 做字符串去重：C#中字符串是引用类型，哪怕内容完全相同，从文件、数据库、接口读取时默认会生成新的字符串实例。加载数据时可以用一个本地字典做字符串池，读取到Id后先查字典，存在就复用已有字符串实例，不存在再加入字典。如果Id存在重复内容、重复前缀，这一项能减少30%-70%的字符串内存占用。不要用全局的string.Intern做驻留，全局池的字符串不会被GC回收，容易造成内存泄漏。
• 避免大对象堆分配：100万长度的Person数组（无论是struct还是class引用）总大小在8MB左右，远低于大对象堆85000字节的阈值，不会触发大对象堆的GC回收问题，不需要做分块存储。

三、加载耗时优化 #

• 数据反序列化时优先用源生成方案：比如System.Text.Json源生成器、CsvHelper的源生成，避免反射开销，反序列化速度能提升2-3倍，内存占用降低一半。
• 加载阶段临时调整GC延迟模式：加载百万条数据前可将GCSettings.LatencyMode设为GCLatencyMode.LowLatency，减少加载过程中GC的不必要阻塞，加载完成后改回默认模式即可。
• 加载过程中避免临时小对象分配：比如不要在循环中做无意义的字符串拼接、值类型装箱，减少Gen0 GC的触发次数。

四、极端场景可选优化 #

• 若Id为纯ASCII定长内容（如18位身份证号、固定长度数字编码），.NET 8+环境可使用Utf8String存储Id，或直接用UTF8编码的字节数组存储，比默认UTF16编码的string省一半内存。
• 短生命周期的批量处理场景，可使用ArrayPool<Person>.Shared租用数组代替直接new数组，用完归还，减少GC分配压力，长期驻留内存的数据不建议用数组池。

按以上方案优化后，100万条Person实例的总内存占用通常在40MB-80MB区间（取决于Id平均长度），全量加载耗时可控制在50毫秒以内，不会出现内存过高、加载过慢的问题。

内容的提问来源于stack exchange，提问作者Tech VS