如何检查给定路径列表中是否存在文件？

Question

我有50,000个路径的列表，我需要检查每个路径是否存在文件。现在，我正在独立验证每条路径：

public static List<String> filesExist(String baseDirectory, Iterable<String> paths) throws FileNotFoundException{
        File directory = new File(baseDirectory);
        if(!directory.exists()){
            throw new FileNotFoundException("No Directory found: " + baseDirectory );
        }else{
            if(!directory.isDirectory())
                throw new FileNotFoundException(baseDirectory + " is not a directory!");
        }

        List<String> filesNotFound = new ArrayList<String>();

        for (String path : paths) {
            if(!new File(baseDirectory + path).isFile())
                filesNotFound.add(path);
        }
        return filesNotFound;
    }

有没有办法改进它，以便我不创建50,000个File对象？我也在用番石榴。是否有任何实用程序可以帮助我使用批量exists()方法？

Answer 1

创建50,000个File对象几乎肯定不是瓶颈。实际的文件系统操作可能正在使它变慢。

我有两点建议：

1. 在检查之前，按路径按位置对路径进行排序，以充分利用文件系统缓存。
2. 如果子目录不存在，您可以自动假设其中的所有文件和子目录也不存在。

Answer 2

我同意aix之前的回答，但我想补充一点观点。假设文件系统访问是瓶颈而 IF ，baseDirectory下的文件数量大致已知且不太大（无论这意味着什么），可能值得尝试FileUtils.iterateFiles或{{1然后检查路径中是否存在每个返回的路径。这背后的想法是，这些方法执行的目录列表可能比许多单独的访问更有效。

同样，这种方法取决于对您的环境的一些假设，但总是值得给它一个想法并试一试。

（希望将其添加为对aix的回复的评论，但不能......）

Answer 3

恕我直言，一个非常有效的解决方案（灵感来自之前的答案）如下：

• 对路径进行排序
• 将每个人视为树
• 另一棵树是目录树
• 访问目录树时读取整个目录以防其他树中有“很多”子项，否则使用单独检查“少数”子项
• 对两棵树进行平行遍历，跳过其中一棵缺失的部分

示例（作为预订单列表提供的树）：

tree1: / /a /a/a /d /d/a /d/a/b /e
tree2: / /a /b /d /d/a /e

处理：

• 从/
开始
• 从此出现在/a
• 在tree2
中跳过/a/a
• 在tree1
中跳过/b
• 从此出现在/d
• ...

您的filesNotFound列表包含树中与输入列表对应的所有文件。

Answer 4

由于原因，我现在无法启动我的开发环境，所以这可能稍微不正确。 Go-go小工具功能编程！

public static List<String> filesExist(String baseDirectory, Iterable<String> paths) throws FileNotFoundException{
    final File base = new File(baseDirectory);
    if (base.exists()) {
        return FluentIterable.from(paths).filter(new Predicate<String>() {
            public boolean apply(String in) {
                return new File(in,base).exists();
            }
        }).toImmutableList();
    }
    throw new FileNotFoundException("Base doesn't exist!");
}

如上所述，您的主要问题仍然是I / O.

Answer 5

我会为此使用特殊的数据结构。

TRIE

将终端节点视为包含文件夹的文件及其父节点。您可以检查文件夹中的终端节点。如果某些文件共享相同的父文件，它将大大减少搜索操作的数量。

您的总操作次数将是

总操作=总节点 - 终端节点

简单的遍历算法你的特殊树就足够了。抱歉，但坚信这个解决方案不是基于番石榴，而是更适合。