我必须优化硬脚本。当前运行时间约 5 小时。
脚本通过 md5 哈希查找表文件中的重复项使用表文件夹。
DB:MySQL,服务器:本地。
电脑:华擎 Z77 pro4,英特尔酷睿 i7 3770,12Gb 内存。
代码:
// find file-duplicates by md5-hash
$current_folder_id = 1;
$select_ids_files = array();
$folders = $this->db->query("
SELECT `folder_id`
FROM `sc_folders`
")->result();
if (!$folders)
exit('folders not found');
$current_files_data = $this->get_files_by_folder_id($current_folder_id);
if (!$current_files_data) {
exit('!current_files_data');
}
foreach ($folders as $folder) {
$files = (object)array();
$files = $this->get_files_by_folder_id($folder->folder_id);
if (!$files)
continue;
if (count($files) > count($current_files_data)) {
$gl_arr = &$files;
$nogl_arr = &$current_files_data;
} else {
$gl_arr = &$current_files_data;
$nogl_arr = &$files;
}
foreach ($gl_arr as $key => $value) {
foreach ($nogl_arr as $k => &$v) {
if ($value->file_hash == $v->file_hash && $value->file_id != $v->file_id) { // an important place for optimize
$select_ids_files[] = $v->file_id;
}
}
}
}
print_r($select_ids_files);exit; // id duplicates records
表文件夹:folder_id、folder_name。(约 45 条记录)
表文件:file_id、file_hash、file_folder_id、file_name。(约 1,400,000 条记录)