將大量文件分割成子目錄

Question

我有成千上萬個主要以編程方式訪問的pdf文件。他們的學術文件，他們的名字開始<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>）是這樣的：

Johns1.2000a.pdf 

但從編程相關方案的角度來看，這是比較容易，如果所有這些文件都在一個目錄。

但是，當我偶爾在GUI文件瀏覽器上手動打開這些文件時，目錄太大以致文件瀏覽器的響應變慢。因此，我將文件分隔成以文件名的首字母命名的子目錄（即文件Johns....pdf進入子目錄J等）。但

• 我不知道是否有意義要做到這一點，

，也有使用這種方法的問題。

• 首先，文件名相對於首字母不均勻分佈;一些字母有更多的文件開始與一些少。
• 其次，如果文件的集合增長，每個子目錄會變得太大了，我會去到像AA，AB另一個層面上，...，這
  • 是任意和特設（我會每當我感覺子目錄變得太大時必須手動添加一個級別），並且不均衡分配會變得更糟（例如，目錄QQ中幾乎沒有任何文件，但是在KA中相當多） 。

在這種情況下，

1. 這有什麼意義，使子目錄呢？我只是偶爾手動訪問文件，所以我可以忍受文件瀏覽器的慢速響應。從其他角度來看，有沒有這樣做的優點？
2. 如果創建索引是有意義的，那麼有沒有一種方法不存在上述問題？

Answer 1

注意：我只是在想我的頭頂。這僅針對您的問題＃2。

假設您將每個文件名映射到其哈希碼中，並將該文件存儲在基於哈希碼的目錄結構中？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"] 

所以這個文件可能被存儲爲

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

你可以使用規則，如下所示：

• 最初創建目錄/1，/2，...，/9並根據哈希代碼的絕對值的第一位將文件添加到這些目錄中。

• 保存文件時，如果子目錄d已經包含N文件

  （N是一個參數），創建子目錄/0，/1，/2，...，的d/9和d每個文件移動到相應的子目錄，基於它的哈希碼。在上面的示例中，文件Johns1.2000a.pdf將從/5/2/2/Johns1.2000a.pdf移至/5/2/2/1/Johns1.2000a.pdf。

• 基於文件的哈希碼檢索文件，直到最後一個子目錄。

• 你可以定期在樹，看是否有下一個到最後一級子目錄d只包含空的子目錄，在這種情況下d的子目錄可以全部刪除。或者，每個目錄可以包含一個文件，其中包含其直接子目錄中文件總數的計數，當文件被添加或刪除時這些文件將被更新。當計數器變爲零時，可以刪除子目錄。

一對夫婦的意見：

• 這顯然需要，該算法計算哈希碼不會改變未來。如果有可能發生，您可以使用自定義哈希代碼方法。

• 我假設散列碼的絕對值的前幾位幾乎是隨機分佈的，但是如果不是，散列碼的最後幾位肯定會是。