大家比较一下这两种方案,哪一种比较好?有第三种方案吗???????????????????????????

ilovewenxue 2005-07-29 04:53:40
方案一、a文件夹下有1000个文件夹,这里面的每个文件夹又1000个文件夹,这其中的每个文件夹下又有`1000个htm文件。

方案二、a文件夹下有1000*1000个htm文件

这两种哪个方案好?好在什么地方?有第三种方案吗?
...全文
162 11 打赏 收藏 转发到动态 举报
写回复
用AI写文章
11 条回复
切换为时间正序
请发表友善的回复…
发表回复
helloyou0 2005-07-31
  • 打赏
  • 举报
回复
怎么会有这么多文件的?1,000,000,000个, 10亿啊!!!
yingying0808 2005-07-31
  • 打赏
  • 举报
回复
说没必要的肯定没试过管理包含几万个文件的目录,目录下的文件不要太多,尽量详细分级,要是你需要远程管理,例如ftp,或者删除文件等,你慢慢等吧。
ilovewenxue 2005-07-30
  • 打赏
  • 举报
回复
理论上有没有证明,把文件分装在多级目录下,会加快速度?
life360 2005-07-30
  • 打赏
  • 举报
回复
没有必要,你想想 系统盘多少个文件。
chinaphp 2005-07-30
  • 打赏
  • 举报
回复
不能再分的细了,现在已经很细了,只能让每个文件夹包含1000个左右的文件
kakalong 2005-07-30
  • 打赏
  • 举报
回复
多目录不会加快速度,而是方便管理,而且不减少速度。


要不你试试你在一个文件夹里复制 1000个文件 (HTML或JEP或其他类型的)。 你直接打开试试看,很明显就感觉到完全打开的速度变慢了
Jzealot 2005-07-30
  • 打赏
  • 举报
回复
访问文件的时候要对文件所在的所有层目录进行列表操作(我们一般看不到了,除非没有设默认打开页面)
好像对文件列表比对文件夹列表耗的时间要长一些,因为对文件分析比对文件夹分析要复杂一些
当然,不管是文件夹还是文件,在一个目录中都不适于超过500个
所以用方案一好一些,如果分得再细一点就更好了
不晓得我的分析对不?
kakalong 2005-07-29
  • 打赏
  • 举报
回复
三级目录
并且如果文件夹内文件数大于500,将自动身成的HTML文件另存到另一个文件夹,比如 第一个文件夹为
A ,那多于500个HTML后就生成到A_1,以此类推。

当然,文件数不一定控制在500。 但文件太多的话除了查找慢,而且FTP登陆进去管理也很慢。
helloyou0 2005-07-29
  • 打赏
  • 举报
回复
不知道怎么会有这么多文件。。。。还是动态生成的好
helloyou0 2005-07-29
  • 打赏
  • 举报
回复
方案二会很慢。不要说这么多,你放一万个文件就很慢了
ilovewenxue 2005-07-29
  • 打赏
  • 举报
回复
刚才方案二打错字了
更正如下:
方案二、a文件夹下有1000*1000*1000个htm文件
(TSO)金枪鱼群算法优化路径规划Matlab代码内容概要:本文档主要介绍了一套基于金枪鱼群算法(TSO)的路径规划Matlab代码资源,重点应用于无人机、机器人、车辆等复杂环境下的路径优化问题。该算法属于智能优化算法范畴,能够有效解决旅行商问题(TSP)、车辆路径问题(VRP)及其多种变体,尤其适用于多目标、多约束条件下的三维路径规划。文档还列举了大量相关技术资源,涵盖路径规划、无人机协同、智能优化算法比较(如TSO、PSO、GWO等)、Matlab仿真代码及应用场景,展示了该算法在科研与工程实践中的广泛适用性。; 适合人群:具备一定Matlab编程基础,从事自动化、人工智能、智能交通、无人机控制、机器人路径规划等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①利用TSO算法实现复杂环境下的最优路径搜索;②与其他智能算法(如PSO、WOA等)进行性能对比分析;③开展无人机三维路径规划、多智能体协同路径优化等科研项目仿真验证;④支撑论文复现、毕业设计或实际工程项目开发。; 阅读建议:建议结合提供的Matlab代码实例进行实践操作,重点关注算法参数设置、收敛性分析及路径可视化效果,同时可参考文中提及的9种优化算法对比案例,深入理解TSO算法的优势与调参策略。
(CPOvsGTOvsDMOAvsDAvsAFTvsCSA)六种最新智能算法优化BP神经网络Matlab代码内容概要:本文档主要介绍了一套基于Matlab平台实现的六种最新智能优化算法(CPO、GTO、DMOA、DA、AFT、CSA)优化BP神经网络的代码资源,旨在通过智能算法提升BP神经网络的训练效率与预测精度。文档还列举了大量相关的科研仿真案例,涵盖电力系统、路径规划、信号处理、机器学习、无人机控制等多个领域,展示了智能算法在复杂工程问题中的广泛应用。其中重点内容包括BP神经网络的优化机制、各类智能算法的性能对比及其在实际问题中的建模与仿真方法。; 适合人群:具备一定Matlab编程基础,从事科研或工程仿真的研究生、高校教师及科研人员,尤其适用于在智能优化、神经网络、电力系统、自动化等领域开展研究的技术人员。; 使用场景及目标:①研究智能优化算法(如CPO、CSA等)如何提升BP神经网络的收敛速度与泛化能力;②对比不同优化算法在神经网络权重训练中的性能差异;③将优化后的神经网络应用于负荷预测、电价预测、故障诊断等实际工程问题中;④为学术论文复现、课题研究或毕业设计提供可靠的技术支持与代码参考。; 阅读建议:建议结合文档中提供的多个Matlab仿真案例进行交叉学习,重点关注算法优化流程与神经网络结构的设计细节,动手调试代码以深入理解算法机制,并可根据具体应用场景灵活调整参数设置以达到最佳优化效果。

21,891

社区成员

发帖
与我相关
我的任务
社区描述
从PHP安装配置,PHP入门,PHP基础到PHP应用
社区管理员
  • 基础编程社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧