Algorithmes de recherche de fichiers utilisant l'indexation dans linux

Question

Je pense à implémenter un programme de recherche de fichiers en utilisant l'indexation sous linux ... Je sais qu'il existe plusieurs autres programmes de recherche de fichiers comme beagled. mais je fais cela à des fins d'étude ... Je suis frappé de la façon de faire l'indexation .. J'ai l'idée suivante que j'ai pris de l'application maemo-mapper .. par exemple si vous avez un fichier nommé "suresh" son index dans le système de fichiers sous forme de fichiers ...

/home/$USERNAME/.file_search_index/s/u/r/e/s/h/list.txt .. Cette liste.txt contient l'emplacement de tous les fichiers avec le nom = "suresh" ... SVP suggérer une meilleure idée/algorithme pour l'implémenter ... Et s'il y a du matériel sur divers techniques de recherche de fichiers, veuillez le poster ....

Answer 1

Vous n'avez pas vu la commande locate qui vient avec findutils? Comme beagled, c'est un logiciel gratuit, donc vous pouvez étudier le code.

Le paquet findutils est toujours à la recherche de contributeurs.

Informations sur le format de base de données est à http://www.gnu.org/software/findutils/manual/html_node/find_html/Database-Formats.html

Answer 2

Beagle utilise une approche très intéressante avec inotify. Il démarre, établit une surveillance sur le répertoire parent et démarre un autre thread qui effectue une analyse récursive. Au fur et à mesure que l'on accède à plus de répertoires, le parent les voit et ajoute plus de montres, tout en regardant ce qu'il sait déjà. Donc, quand il a commencé, vous regardez un arbre entier assez bon marché (une montre par répertoire) et vous avez tout indexé. Cela permet également de s'assurer qu'aucun fichier n'est «manqué» pendant l'analyse. Donc, c'est la plus grande partie de votre bataille ... typiquement, les programmes de recherche FS atteignent leur point faible lors de l'indexation, par exemple 'updatedb'.

En ce qui concerne le stockage de l'index, je ne serais pas en faveur de le diviser en répertoires. Vous appelez par essence stat() sur chaque caractère d'un tableau de noms de fichiers. some-very-long-shared-object-name.so.0 par exemple serait un appel à stat() pour chaque caractère du nom. Vous pouvez essayer d'utiliser une base de données SQLite3 bien conçue. Je travaille sur quelque chose de très similaire, un programme pour fournir des moyens d'audit un peu moins cher pour la certification PCI (processeur de carte de crédit), sans utiliser les crochets d'audit du noyau.