Question

我有成千上万的pdf文件，大多数是以编程方式访问的。它们是学术文档，其名称以<the last name of the author in letter><optional digit(s) to distinguish different authors of the same name><period><year><optional letter(s) to distinguish different documents of the same author-year>）开头，如下所示：

Johns1.2000a.pdf

从编程相关程序的角度来看，如果所有这些文件都在一个目录中就更容易了。

但是，当我偶尔在GUI文件浏览器上手动打开这些文件时，该目录非常庞大，文件浏览器的响应变慢。因此，我将文件分成以文件名的首字母命名的子目录（即文件Johns....pdf进入子目录J等）。但

我想知道这样做是否合理，

也有这种方法的问题。

首先，文件名不是相对于首字母均匀分布的;一些字母有更多的文件以它开头，而另一些字母则更少。
其次，如果文件集合增长，每个子目录都会变得太大，我将不得不进入另一个级别，如AA，AB，...，
- 是任意的和临时的（每当我觉得子目录变得太大时我都必须手动添加一个级别），并且
- 不平衡的分布会变得更糟（即，目录QQ中很少有文件，但KA中的文件很多，例如）。

在这种情况下，

创建子目录是否有意义？我只是偶尔手动访问文件，所以我可以忍受文件浏览器上的慢响应。从其他角度来看，有没有这样做的专业人士？
如果创建目标确实有意义，那么有一种方法没有上述问题吗？

Answer 1

警告：我只是想到了我的头脑。这仅针对您的问题＃2。

假设您将每个文件名映射到其哈希码中，并将该文件存储在基于哈希码的目录结构中？例如，

str = "Johns1.2000a.pdf"

str.hash.abs.to_s.chars
  #=> ["5", "2", "2", "1", "9", "8", "0", "3", "1",
  #    "6", "9", "8", "3", "0", "8", "1", "5", "2"]

因此该文件可能存储为

/5/2/2/Johns1.2000a.pdf

您可以使用以下规则：

最初创建目录/1，/2，...，/9，并根据其哈希码的绝对值的第一个数字将文件添加到这些目录。
保存文件时，如果子目录d已包含N个文件（N为参数），则创建子目录/0，{{1} /1的{}，/2，...，/9，并根据其哈希码将d中的每个文件移动到相应的子目录中。在上面的示例中，文件d将从Johns1.2000a.pdf移至/5/2/2/Johns1.2000a.pdf。
检索文件，根据文件的哈希码深入到最后一个子目录。
您可以定期遍历树以查看是否有任何next-to-last-level-subdirectory /5/2/2/1/Johns1.2000a.pdf仅包含空子目录，在这种情况下d的子目录都可以删除。或者，每个目录可以包含一个文件，该文件包含其直接子目录中文件总数的计数，这些文件将在添加或删除文件时更新。当计数器变为零时，可以删除子目录。

有几点意见：

这显然要求用于计算哈希码的算法将来不会改变。如果有可能发生，可以使用自定义哈希码方法。
我假设哈希码的绝对值中的前几位几乎是随机分布的，但如果没有，哈希码的最后几位肯定是。

将海量文件分成子目录

1 个答案: