将大量文件分割成子目录

Question

我有成千上万个主要以编程方式访问的pdf文件。他们的学术文件，他们的名字开始<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>）是这样的：

Johns1.2000a.pdf 

但从编程相关方案的角度来看，这是比较容易，如果所有这些文件都在一个目录。

但是，当我偶尔在GUI文件浏览器上手动打开这些文件时，目录太大以致文件浏览器的响应变慢。因此，我将文件分隔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

• 我不知道是否有意义要做到这一点，

，也有使用这种方法的问题。

• 首先，文件名相对于首字母不均匀分布;一些字母有更多的文件开始与一些少。
• 其次，如果文件的集合增长，每个子目录会变得太大了，我会去到像AA，AB另一个层面上，...，这
  • 是任意和特设（我会每当我感觉子目录变得太大时必须手动添加一个级别），并且不均衡分配会变得更糟（例如，目录QQ中几乎没有任何文件，但是在KA中相当多） 。

在这种情况下，

1. 这有什么意义，使子目录呢？我只是偶尔手动访问文件，所以我可以忍受文件浏览器的慢速响应。从其他角度来看，有没有这样做的优点？
2. 如果创建索引是有意义的，那么有没有一种方法不存在上述问题？

Answer 1

注意：我只是在想我的头顶。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"] 

所以这个文件可能被存储为

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

你可以使用规则，如下所示：

• 最初创建目录/1，/2，...，/9并根据哈希代码的绝对值的第一位将文件添加到这些目录中。

• 保存文件时，如果子目录d已经包含N文件

  （N是一个参数），创建子目录/0，/1，/2，...，的d/9和d每个文件移动到相应的子目录，基于它的哈希码。在上面的示例中，文件Johns1.2000a.pdf将从/5/2/2/Johns1.2000a.pdf移至/5/2/2/1/Johns1.2000a.pdf。

• 基于文件的哈希码检索文件，直到最后一个子目录。

• 你可以定期在树，看是否有下一个到最后一级子目录d只包含空的子目录，在这种情况下d的子目录可以全部删除。或者，每个目录可以包含一个文件，其中包含其直接子目录中文件总数的计数，当文件被添加或删除时这些文件将被更新。当计数器变为零时，可以删除子目录。

一对夫妇的意见：

• 这显然需要，该算法计算哈希码不会改变未来。如果有可能发生，您可以使用自定义哈希代码方法。

• 我假设散列码的绝对值的前几位几乎是随机分布的，但是如果不是，散列码的最后几位肯定会是。