Java多线程遍历文件夹,广度遍历加多线程加深度遍历结合

复习IO操作，突然想写一个小工具，统计一下电脑里面的Java代码量还有注释率，最开始随手写了一个递归算法，遍历文件夹，比较简单，而且代码层次清晰，相对易于理解，代码如下：（完整代码贴在最后面，前面是功能实现代码）

public static void visitFile(File file)  {





		if (file != null) {





			// 如果是文件夹





			if (file.isDirectory()) {





				// 统计文件夹下面的所有文件路径





				File[] fls = file.listFiles();





				// 如果父文件夹有内容





				if (fls != null) {





					// 那么遍历子文件





					for (int i = 0; i < fls.length; i++) {





				// 继续判断文件是文件夹还是文件，嵌套循环





						visitFile(fls[i]);						





					}							





				}





			} else// 如果是文件





			{





				// 判断文件名是不是.java类型





				String fname = file.getName();





				if (fname.endsWith(".java")) {							





				Sysotem.out.println("java文件："+fname);





				}					





			}





		}





		





	}

但是写成小工具后，在使用中我发现了它遍历速度还是比较慢的问题，递归算法本身运行效率低，占用空间也非常大，每一次调用都要出现方法压栈弹栈，系统开销大。所以我想把它改成非递归算法，我有两个想法：1.打开父文件夹（父亲）之后，遍历子文件夹（儿子），如果是目录就列出子文件夹的子文件夹（儿子的儿子），记录下来，但是不继续打开；如果遇到的是我需要的文件，那么就加入文件集合中，重复。代码如下：

      File fl = this.file;//根文件（父亲）





		ArrayList<File> flist = new ArrayList<File>();//文件夹目录列表1





		ArrayList<File> flist2 = new ArrayList<File>();//文件夹目录列表2





		ArrayList<File> tmp = null, next = null;//集合应用变量，tmp记录子文件夹的目录列表（儿子），next记录子文件夹的子文件夹列表（儿子的儿子）





		flist.add(fl);//列表1记录根文件





		// 广度遍历层数控制





		int loop = 0;//控制循环层数





		while (loop++ < 3) {// 此处只循环了三层





			tmp = tmp == flist ? flist2 : flist;//此处比较绕，实现功能是tmp和next两个引用变量互换地址





			next = next == flist2 ? flist : flist2;





			for (int i = 0; i < tmp.size(); i++) {//遍历子文件夹





				fl = tmp.get(i);





				if (fl != null) {





					if (fl.isDirectory()) {//如果遇到目录





						File[] fls = fl.listFiles();





						if (fls != null) {





							next.addAll(Arrays.asList(fls));//将子文件夹的子文件夹目录列表一次全部加入next列表





						}





					} else {





						if (fl.getName().endsWith(type)) {





							papList.add(fl);//如果是需要的文件，就加入papList列表





						}





					}





				}





			}





			tmp.clear();//清空子文件夹列表，因为已经遍历子文件夹结束，后面需要一个空的列表继续装东西





		}

2.第二种思路是打开父文件夹后，遍历子文件夹，然后遇到目录就继续打开，直到没有目录才返回上一层，这个思路和递归遍历算法一样，看递归的算法更好理解，代码如下：

// 非递归深度遍历算法





		void quickFind() throws IOException {





			// 使用栈，进行深度遍历





			Stack<java.io.File> stk = new Stack<File>();





			stk.push(this.file);//父文件压栈





			File f;





			while (!stk.empty()) {//当栈不为空，就一直循环压栈出栈过程。





				f = stk.pop();//弹出栈顶元素





				if (f.isDirectory()) {//如果栈顶是目录





					File[] fs = f.listFiles();//打开栈顶子目录





					if (fs != null)





						for (int i = 0; i < fs.length; i++) {





							stk.push(fs[i]);//将栈顶子目录依次压栈





						}





				} else {





					if (f.getName().endsWith(type)) {





						// 记录所需文件的信息，加入集合





						papList.add(f);





					}





				}





			}





		}

上面的两种非递归算法，速度上相差无几，相对于递归算法比较难于理解，但是速度真的快一点，而且占用内存比较小，如果使用递归，当递归层数比较多的时候对系统资源消耗巨大，甚至会造成jvm崩溃，非递归算法没有这个隐患，深度遍历和广度遍历在遍历很多文件时，深度遍历稍微占优势，速度会快一点，但是数据有浮动。后面我又复习到多线程，我就想把多线程加进去，会不会更快。然后我就建立了一个线程池：

// 创建线程池，一共THREAD_COUNT个线程可以使用





		ExecutorService pool = Executors.newFixedThreadPool(THREAD_COUNT);//新建固定线程数的线程池





 





		for (File file : next) {





			pool.submit(new FileThread(file, type));//提交对象到线程池,FileThread类是我自定义的内部类，重写了Runnable接口中的run方法。





		}





		pool.shutdown();//结束





		// 必须等到所有线程结束才可以让主线程退出，不然就一直阻塞





		while (!pool.isTerminated())





			;

线程池的好处是统一管理线程，不用一直开辟新的线程，开辟线程很消耗系统资源，线程池里面的线程可以循环使用，程序结束了再释放，适用于频繁切换任务的情况，在Tcp/ip网络编程中常见。加入多线程我也有两种想法，1.我先想到多线程就是几个兄弟一起干活，速度肯定快，所以我每遍历一个文件夹就开辟一个新的线程，代码如下：

void judge(File f) {





 





		if (f != null) {





			if (f.isDirectory()) {





				// 如果是目录





				File[] fs = f.listFiles();





				if (fs != null)





					FileOP.BigFileList.addAll(Arrays.asList(fs));





				// 一起加到BigFileList中，前面有一个for循环遍历BigFileList，遍历一次开辟一个新线程





			} else {





				if (f.getName().endsWith(type)) {





					FileOP.papList.add(f);





					// 我们要的文件记录下来





				}





			}





		}





	}

但是想法很美好，现实很残酷，这种方法速度比递归算法还要慢，开辟新线程（此处还没有应用线程池，每次都new Thread()；）的时间，加上垃圾回收的时间远超过递归算法遍历文件夹的时间。而且多线程也并不是可以无限个，一般来说CPU大多只支持四线程，但是线程数大于四时，cpu通过调度算法分配程序执行的时间，常见先进先出，短作业优先，时间片轮转调度，高优先权调度算法，我一般设置最大线程数是CPU支持线程数的3倍，根据我实际测试，设置成100个线程比设置成12个线程，程序执行时间没有短多少，反而在CPU占用率高的时候100线程更慢。

所以我又想，怎么才能发挥多线程的优势呢，首先肯定要把一个任务分成多个任务，这也有两个思路：1.先用递归深度遍历算法遍历文件夹，当遇到比较大的文件夹，比如说包含1000个子文件夹就记录下来，然后跳过继续遍历其他的文件夹，此时主线程有一个while循环一直在检查有没有新的大文件夹出现，如果有就开一个新线程去遍历大文件夹，代码如下：

void findAll(File f) {





		if (f != null) {





 





			if (f.isDirectory()) {





				// 如果是目录





				File[] fs = f.listFiles();





				if (fs == null) {





					return;





				}





				





				 * if (fs.length > FileOP.THREAD_COUNT * 100) {//





				 * 当文件夹的目录数量大于线程数的百倍，记录下来，待会用多线程慢慢数 FileOP.BigFileList.add(f);





				 * // 这记录的都是后面要用多线程来数一数的  } else





				  {





					for (int i = 0; i < fs.length; i++) {





						findAll(fs[i]);





						// 如果文件数少，就递归一下





					}





				}





			} else {





				// 需要的文件放进pap集合





				if (f.getName().endsWith(type)) {





					FileOP.papList.add(f);





				}





			}





		}





	}

实际效果比不上单纯的递归算法速度快，难受，因为我记录的文件夹虽然是“大文件夹”，但是可能并不深，递归一两层就结束了，这时候开新线程消耗更大，所以我就想到自上而下的分配任务，比如说我们让程序遍历C 盘所有的Java文件，程序可以先获取C盘根目录列表，然后开辟线程池，每一个线程执行一个子目录的遍历，遍历子文件夹时换成非递归深度遍历算法，算法如下：

package com.ycs;





 





import java.io.File;





import java.io.FileInputStream;





import java.io.IOException;





import java.io.InputStream;





import java.math.BigDecimal;





import java.util.ArrayList;





import java.util.Arrays;





import java.util.Stack;





import java.util.concurrent.ExecutorService;





import java.util.concurrent.Executors;





 





public class FileList {





	// 控制线程数，最优选择是处理器线程数*3，本机处理器是4线程





	private final static int THREAD_COUNT = 12;





	// 线程共享数据，保存所有的type文件





	private ArrayList<File> papList = new ArrayList<File>();





	// 保存文件附加信息





	private ArrayList<String> contenList = new ArrayList<String>();





	// 当前文件或者目录





	private File file;





 





	// 所需的文件类型





	private String type;





 





	public FileList() {





		super();





		// TODO Auto-generated constructor stub





	}





 





	public FileList(String f, String type) {





		super();





		this.file = new File(f);





		this.type = type;





	}





 





	public ArrayList<String> getContenList() {





		return contenList;





	}





 





	// 内部类继承runnable接口，实现多线程





	class FileThread implements Runnable {





		private File file;





		private String type;





 





		public FileThread(File file, String type) {





			super();





			this.file = file;





			this.type = type;





		}





 





		public FileThread() {





			super();





			// TODO Auto-generated cosnstructor stub





		}





 





		@Override





		public void run() {





			try {





				quickFind();





			} catch (IOException e) {





				// TODO Auto-generated catch block





				e.printStackTrace();





			}





		}





 





		// 非递归深度遍历算法





		void quickFind() throws IOException {





			// 使用栈，进行深度遍历





			Stack<java.io.File> stk = new Stack<File>();





			stk.push(this.file);





			File f;





			while (!stk.empty()) {





				f = stk.pop();





				if (f.isDirectory()) {





					File[] fs = f.listFiles();





					if (fs != null)





						for (int i = 0; i < fs.length; i++) {





							stk.push(fs[i]);





						}





				} else {





					if (f.getName().endsWith(type)) {





						// 记录所需文件的信息





						papList.add(f);





					}





				}





			}





		}





	}





 





	public ArrayList<File> getPapList() {





		// 外部接口，传递遍历结果





		return papList;





	}





 





	// 深度遍历算法加调用线程池





	void File() {





		File fl = this.file;





		ArrayList<File> flist = new ArrayList<File>();





		ArrayList<File> flist2 = new ArrayList<File>();





		ArrayList<File> tmp = null, next = null;





		flist.add(fl);





		// 广度遍历层数控制





		int loop = 0;





		while (loop++ < 3) {// 最优循环层数是3层，多次实验得出





			tmp = tmp == flist ? flist2 : flist;





			next = next == flist2 ? flist : flist2;





			for (int i = 0; i < tmp.size(); i++) {





				fl = tmp.get(i);





				if (fl != null) {





					if (fl.isDirectory()) {





						File[] fls = fl.listFiles();





						if (fls != null) {





							next.addAll(Arrays.asList(fls));





						}





					} else {





						if (fl.getName().endsWith(type)) {





							papList.add(fl);





						}





					}





				}





			}





			tmp.clear();





		}





 





		// 创建线程池，一共THREAD_COUNT个线程可以使用





		ExecutorService pool = Executors.newFixedThreadPool(THREAD_COUNT);





 





		for (File file : next) {





			pool.submit(new FileThread(file, type));





		}





		pool.shutdown();





		// 必须等到所有线程结束才可以让主线程退出，不然就一直阻塞





		while (!pool.isTerminated())





			;





	}





 





	void info(File file) throws IOException {





		InputStream inputStream = new FileInputStream(file);





		byte[] chs = new byte[(int) file.length()];





		inputStream.read(chs);





		inputStream.close();





		String javaCode = new String(chs);





		String[] lines = javaCode.split("\n");





		int find = lines.length;// 实际代码行数





		int counts = find;// 加上注释的行数





		int zhushi = 0;





		for (int i = 0; i < lines.length; i++) {





			lines[i] = lines[i].trim();





			if (lines[i].length() == 0) {





				counts--;





				find--;





			} else if (lines[i].startsWith("//")) {





				// System.out.println("单行注释："+lines[i]);





				find--;





				zhushi++;





			} else if (lines[i].indexOf("/*") != -1) {





				find--;





				zhushi++;





				while (lines[i].indexOf("*/") == -1) {





					// System.out.println(lines[i]);





					find--;





					zhushi++;





					i++;





				}





			}





		}





 





		double zc = ((double) zhushi / counts) * 100;





		BigDecimal b = new BigDecimal(zc);





		double zcc = b.setScale(2, BigDecimal.ROUND_HALF_UP).doubleValue();





		String s = file.getName() + "代码行数:" + find + "\t注释行数：" + zhushi + "\t 注释率：" + zcc + "%";





 





		contenList.add(s);





	}





}

这一次果然快了很多，但是幅度不大，通过分析我发现然来C盘根目录的文件夹也不是每一个大小都一样的，有一些文件夹里面文件特别多，有一些就很少，而且只遍历C盘根目录，然后再调用多线程，可能文件夹数量没有线程数多，我应该多遍历几层，再调用多线程，多次实验后我发现只有遍历三层才是最快的，原理不明，但是遍历一层、两层、四层、五层程序执行时间都比较长，三层是一个神奇的点。最后的实验结果：多线程遍历，文件越多约占优势，16万个文件，单线程递归算法需要8-9秒，单线程非递归需要7-8秒，三种结合只需要3-4秒，而且在文件数比较少的时候，此方法也有比较大幅度的提升，快一两百毫秒。

最后贴上程序运行图：

嗯，贴不了。。。

完整代码就是上面那个，创建一个对象，给构造函数传入文件路径（String）和文件类型(String)就可以了。

小白之作，轻喷轻喷

原文地址：https://blog.csdn.net/qq_24833939/article/details/79222444