列出 AIX 机器上大目录中的文件

Posted 2023-03-15

【中文标题】列出 AIX 机器上大目录中的文件

【英文标题】：List files from a large directory on AIX machine

【发布时间】：2018-08-31 06:15:11

【问题描述】：

我有一个包含大约 300 万个文件的目录。每天一次，我需要运行一个进程来创建一个单独的文件，该文件包含来自具有.html 扩展名的大目录中的文件名。通常，在 300 万个文件中，有 500,000 个将具有 .html 扩展名。我正在使用以下内容：

find dirname -name "*.html"

但是，这会在完成之前运行大约 3 小时。有没有更快的方法来做到这一点？

更新：我用 Perl 和 Java 做了一些测试。使用 Perl 获取此目录的内容并创建 .html 的文件我尝试了以下（注意时间）：

my @files = </$dirname/*.html>  # 45 minutes

当我使用 Java 尝试此操作时：

    final File[] files = dirname.listFiles(new FilenameFilter() 
                @Override
                public boolean accept(File dir, String name) 
                    return name.endsWith(".html");
                
            ); 

与 Perl 或我能想到的任何 Unix 命令相比，Java 是如何在 3 分钟内完成这项工作的？

【问题讨论】：

此目录中包含的文件非常小。每个文件平均 400k。

ls 和 find 会因为文件数量而达到缓冲区限制，并且需要进行多次调用。您可以使用更大的缓冲区编写自己的ls 版本。

我将如何编写自己的 ls？

看起来你已经用 Java 写过一篇了！

你应该引用更多的代码。例如find directory -name '*.html' -exec echo \; >>listfile 比find directory -name '*.html' >listfile 慢

【参考方案1】：

默认文件glob()对文件列表进行排序；这就是为什么它需要很长时间。

my @files = </$dirname/*.html>  # 45 minutes

尝试直接读取目录：

my @files = ();
opendir my $dh, $dirname or die "could not open $dirname: $!\n";
while( my $file = readdir $dh )
    push @files, $file if $file =~ /\.html$/;

closedir $dh or die "could not close $dirname: $!\n";

【参考方案2】：

您应该使用“getdents”代替 ls/find

ls 和几乎所有其他列出目录的方法（包括 python os.listdir、find .）都依赖于 libc readdir()。但是 readdir() 一次只能读取 32K 的目录条目，这意味着如果您在同一个目录中有很多文件（即 500M 的目录条目），则读取所有目录条目将花费非常长的时间，尤其是在慢速磁盘上。对于包含大量文件的目录，您需要比依赖 readdir() 的工具更深入地挖掘。您需要直接使用 getdents() 系统调用，而不是 libc 中的辅助方法。

您可以从here 找到使用 getdents() 列出文件的 C 代码：

为了快速列出目录中的所有文件，您需要进行两项修改。

首先，将缓冲区大小从 X 增加到 5 兆字节。

#define BUF_SIZE 1024*1024*5

然后修改主循环，它打印出目录中每个文件的信息以跳过 inode == 0 的条目。我通过添加来做到这一点

if (dp->d_ino != 0) printf(...);

在我的例子中，我也只关心目录中的文件名，所以我还重写了 printf() 语句，只打印文件名。

if(d->d_ino) printf("%sn ", (char *) d->d_name);

编译它（它不需要任何外部库，所以超级简单）

gcc listdir.c -o listdir

现在运行

./listdir [directory with insane number of files]

【讨论】：

感谢 nakulbansal！但是您提供给 getdents 的链接不可用。

@PeteY 嗯？该链接非常适合我。这是一个以listdir.c 代码为例的手册页。顺便说一句，这与我在命令行上发出 man getdents 时得到的输出相同。

【参考方案3】：

你可以像下面这样使用 ls

\ls -U

-U 不排序；按目录顺序列出条目