regex - Perl 程序可有效处理目录中的 500,000 个小文件

Question

我每天晚上都在处理一个大目录。它每晚累积大约 100 万个文件，其中一半是 .txt 文件，我需要根据其内容移动到不同的目录。

每个 .txt 文件都以竖线分隔，仅包含 20 条记录。记录 6 是包含确定将文件移动到哪个目录所需的信息的记录。

示例记录:

A|CHNL_ID|4

在这种情况下，文件将被移动到 /out/4 。

此脚本以每小时 80,000 个文件的速度处理。

有没有关于如何加快速度的建议？

opendir(DIR, $dir) or die "$!\n";
while ( defined( my $txtFile = readdir DIR ) ) {
    next if( $txtFile !~ /.txt$/ );
    $cnt++;

    local $/;
    open my $fh, '<', $txtFile or die $!, $/;
    my $data  = <$fh>;
    my ($channel) =  $data =~ /A\|CHNL_ID\|(\d+)/i;
    close($fh);

    move ($txtFile, "$outDir/$channel") or die $!, $/;
}
closedir(DIR);

Answer 1

尝试类似:

print localtime()."\n";                          #to find where time is spent
opendir(DIR, $dir) or die "$!\n";
my @txtFiles = map "$dir/$_", grep /\.txt$/, readdir DIR;
closedir(DIR);

print localtime()."\n";
my %fileGroup;
for my $txtFile (@txtFiles){
    # local $/ = "\n";                           #\n or other record separator
    open my $fh, '<', $txtFile or die $!;
    local $_ = join("", map {<$fh>} 1..6);      #read 6 records, not whole file
    close($fh);
    push @{ $fileGroup{$1} }, $txtFile
      if /A\|CHNL_ID\|(\d+)/i or die "No channel found in $_";
}

for my $channel (sort keys %fileGroup){
  moveGroup( @{ $fileGroup{$channel} }, "$outDir/$channel" );
}
print localtime()." finito\n";

sub moveGroup {
  my $dir=pop@_;
  print localtime()." <- start $dir\n";
  move($_, $dir) for @_;  #or something else if each move spawns sub process
  #rename($_,$dir) for @_;
}

这将工作分为三个主要部分，您可以在其中为每个部分计时以找出花费最多时间的地方。