Java编程技术来检查文件性能？

Question

我正在为我的服务在Java中搜索一种模式或编程技术。

服务的输入是字符串数组。这些字符串表示一个文件和一些信息。

服务的输出是精确字符串的Map和布尔值。布尔值表示该信息存在于文件中。

例如输入

["file1/dog","file2/cat","file1/rabbit"]

输出

{"file1/dog":"false","file2/cat":"true","file1/rabbit":"true"}

我只想打开一次文件，并搜索该文件中的所有信息。打开文件一，搜索狗和兔子。

如何在Java中快速做到这一点？

我应该使用带文件的Map作为收集信息的密钥吗？例如：

{"file1": ["dog","rabbit"], "file2": ["cat"]}

下一步是遍历键以检查每个文件。

Answer 1

为了有效地解决这个问题，必须考虑到系统的假设和先决条件。

假设文件大小很小

如果每个文件都相对较小，那么我建议缓存文件的内容。

当搜索模式不可预测时

如果您不能预测可能的搜索条件，或者文件的内容不能分割成可搜索的项，那么只需使用String#contains检查缓存的文件内容就可以了。

但是，如果搜索条件是可预测的，或者文件包含一定数量的搜索词，那么您可以尝试使用下面讨论的方法对这些术语进行索引(每个方法都有不同的计算要求)。

O(m)时间复杂度方法--其中m是文件数

假设每个搜索项都是文件中的一个单词，最好将文件内容存储为HashSet (利用HashSet#contains的O(1)时间复杂性)，每个元素都是一个单词或潜在的搜索项。

这样，您就可以拥有这样一个Map：

//the following code runs once at startup
//map containing file names against their words as a HashSet
Map<String, HashSet<String>> fileContents = new HashMap<>();

//add files to Map (assuming parseFileContents returns a HashSet<String>)
fileContents.put("file1", parseFileContents("file1"));
fileContents.put("file2", parseFileContents("file2"));
fileContents.put("file3", parseFileContents("file3"));

//the following code runs every time a request is made
//get files containing the word "dog" (time complexity is O(m) where m is the number of files)
fileContents.entrySet()
    .stream()
    .filter(e -> e.getValue().contains("dog"))
    .map(Map.Entry::getKey)
    .collect(LinkedList::new);

O(1)时间复杂度方法

如果搜索模式是可预测的，而且并不多，那么您可以创建一个Map，其中搜索词是键，文件的List是值：

//the following code runs once at startup
//map containing possible search patterns against files that they appear in
Map<String, List<String>> patternsAgainstFiles = new HashMap<>();

//then loop through all files and each term found in the file as a key to the map,
//with the file being added to the list in the value

//the following code runs every time a request is made
//get files containing the word "dog" (time complexity is O(1) after initial computation at startup)
patternsAgainstFiles.getOrDefault("dog", new LinkedList<>());

其他选择

在下列情况下使用此选项：

• 文件太大，无法存储在内存中，
• 文件可能在程序执行

期间发生更改。

在这种情况下，您别无选择，只有每次想在文件中搜索给定的模式时，都要在辅助存储中实际搜索该文件。

在编写本报告时，我可以想到的最佳方法是为每个文件打开一个FileInputStream (或类似的内容)，然后每次读取一个字节，并将其附加到“当前缓冲区”中，该缓冲区的长度永远不会超过搜索项的字节长度。每当“当前缓冲区”具有与搜索项相同的长度(以字节为单位)时，将根据搜索项对其进行计算，如果它们匹配，则搜索项在文件中，但如果它们不匹配，则弹出“当前缓冲区”中的第一个字节并继续。

以上是我的所有建议，也许有更有效的方法来完成手头的任务。这些都是我能想到的最好的写作方法。