多个线程同时搜索同一文件夹

Question

目前我有一个大约 170,000 个 jpg 文件名的 .txt 文件，我将它们全部读入一个列表 (fileNames)。

我想搜索一个文件夹（这个文件夹有子文件夹）来检查 fileNames 中的每个文件是否存在于这个文件夹中，如果存在，请将其复制到一个新文件夹中。

我做了一个粗略的估计，但每次搜索和复制 fileNames 中的每个文件名大约需要 0.5 秒。所以 170,000 秒大约是 48 小时，所以除以 2 后，我的应用需要大约 24 小时才能使用 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。使用多线程执行此操作的最佳方法是什么？

目前我正在考虑创建 20 个单独的线程并将我的列表（文件名）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);
                    }
                }
            }

更新后在下方显示我的解决方案：

            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！非常感谢！

Answer 1

您应该使用并行 linq，而不是使用普通的 foreach 语句进行搜索。 Parallel linq 结合了 LINQ 语法的简单性和可读性与并行编程的强大功能。就像针对任务并行库的代码一样。这将保护您免受低级线程操作和可能的异常（难以找到/调试异常）的影响，同时将您的工作分配给多个线程。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);
                        }
                    }
                });
            });

Answer 2

如果您的计算机的内核少于 20 个，则 20 个不同的线程将无济于事。事实上，它会使进程变慢，因为您将 1）必须花时间在每个线程之间进行上下文切换（这是您的 CPU 模拟超过 1 个线程/内核的方式）和 2）.NET 中的 Thread 保留 1 MB 的堆栈，相当庞大。

相反，尝试将您的 I/O 划分为 async 工作负载，将 Task.Run 用于 CPU 密集型/密集型部分。另外，将Tasks 的数量保持在最多 4 到 8 个。

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);