Question

目前我有一个大约170,000个jpg文件名的.txt文件，我将它们全部读入List（fileNames）。

我想搜索一个文件夹（此文件夹有子文件夹）来检查fileNames中的每个文件是否都存在于此文件夹中，如果存在，请将其复制到新文件夹。

我正在粗略估计，但fileNames中每个文件名的每次搜索和复制大约需要0.5秒。所以170,000秒大约是48小时，所以除以2需要大约24小时，我的应用程序使用1个线程搜索每个文件名！显然这太长了所以我想缩小范围并加快进程。使用多线程进行此操作的最佳方法是什么？

目前我正在考虑制作20个单独的线程并将我的列表（fileNames）拆分为20个不同的列表并同时搜索文件。例如，我将有20个不同的线程同时执行以下操作：

            foreach (string str in fileNames)
            {
                foreach (var file in Directory.GetFiles(folderToCheckForFileName, str, SearchOption.AllDirectories))
                {
                    string combinedPath = Path.Combine(newTargetDirectory, Path.GetFileName(file));
                    if (!File.Exists(combinedPath))
                    {
                        File.Copy(file, combinedPath);
                    }
                }
            }

更新以下显示我的解决方案：

            string[] folderToCheckForFileNames = Directory.GetFiles("C:\\Users\\Alex\\Desktop\\ok", "*.jpg", SearchOption.AllDirectories);

            foreach(string str in fileNames)
            {
                Parallel.ForEach(folderToCheckForFileNames, currentFile =>
                  {
                      string filename = Path.GetFileName(currentFile);
                      if (str == filename)
                      {
                          string combinedPath = Path.Combine(targetDir, filename);
                          if (!File.Exists(combinedPath))
                          {
                              File.Copy(currentFile, combinedPath);
                              Console.WriteLine("FOUND A MATCH AND COPIED" + currentFile);
                          }
                      }

                  }
                );

            }

感谢大家的贡献！非常赞赏！

Answer 1

如果您的计算机的内核少于20个，则20个不同的线程将无法解决问题。实际上，它可以使进程变慢，因为你将不得不花费时间在每个线程之间切换上下文（这是你的CPU模拟多个线程/核心的方式）和2）.NET中的Thread保留1 MB的堆栈，非常大。

相反，尝试将I / O划分为async工作负载，使用Task.Run作为CPU绑定/密集部分。另外，最多可将Tasks的数量保持在4到8之间

示例代码：

var tasks = new Task[8];
var names = fileNames.ToArray();
for (int i = 0; i < tasks.Length; i++)
{
    int index = i;
    tasks[i] = Task.Run(() =>
    {
        for (int current = index; current < names.Length; current += 8)
        {
            // execute the workload
            string str = names[current];
            foreach (var file in Directory.GetFiles(folderToCheckForFileName, str, SearchOption.AllDirectories))
            {
                string combinedPath = Path.Combine(newTargetDirectory, Path.GetFileName(file));
                if (!File.Exists(combinedPath))
                {
                    File.Copy(file, combinedPath);
                }
            }
        }
    });
}
Task.WaitAll(tasks);

Answer 2

在进行搜索时，不应使用普通的foreach语句，而应使用并行linq。 Parallel linq将LINQ语法的简单性和可读性与并行编程的强大功能相结合。就像针对任务并行库的代码一样。这可以保护您免受低级线程操作和可能的异常（难以查找/调试异常），同时在多个线程之间拆分您的工作。所以你可能会这样做：

fileNames.AsParallel().ForAll(str =>
            {
                var files = Directory.GetFiles(folderToCheckForFileName, str, SearchOption.AllDirectories);
                files.AsParallel().ForAll(file =>
                {
                    if (!string.IsNullOrEmpty(file))
                    {
                        string combinedPath = Path.Combine(newTargetDirectory, Path.GetFileName(file));
                        if (!File.Exists(combinedPath))
                        {
                            File.Copy(file, combinedPath);
                        }
                    }
                });
            });

多个线程同时在同一文件夹上搜索

2 个答案: