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 Threaad()；）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