使用 bash 监视目录中的现有文件和新文件

Question

我有一个使用 inotify-tool 的脚本。
当新文件到达文件夹时，此脚本会发出通知。它对文件执行一些操作，完成后将文件移动到另一个文件夹。（看起来像这样）：

inotifywait -m -e modify "${path}" |
    while read NEWFILE
       work on/with NEWFILE
       move NEWFILE no a new directory
    done

使用inotifywait，只能监控新文件。使用 for OLDFILE in path 而不是 inotifywait 的类似过程将适用于现有文件：

for OLDFILE in ${path} 
do 
   work on/with OLDFILE 
   move NEWFILE no a new directory
done

我尝试结合这两个循环。通过第一个运行第二个循环。但是，如果文件快速到达且数量众多，则会发生变化，即文件将在第二个循环运行时到达。这些文件将不会被两个循环捕获。

鉴于文件已存在于文件夹中，并且新文件将很快到达文件夹中，如何确保脚本将捕获所有文件？

Answer 1

By using inotifywait, one can only monitor new files.

我会要求 "new file" 的定义。 man inotifywait specifies a list of events, which also lists events like create and delete and delete_self and inotifywait can also watch "old files" (beeing defined as files existing prior to inotifywait execution) and directories. You specified only a single event -e modify which notifies about modification of files within ${path}, it includes modification of both preexisting files and created after inotify执行。

... how can one make sure that the script will catch all files?

您的脚本足以捕获路径内发生的所有事件。如果您无法在生成文件的部分和接收文件的部分之间进行同步，那么您将无能为力，并且总是成为竞争条件。如果您的脚本接收 0% 的 CPU 时间，而生成文件的部分将获得 100% 的 CPU 时间怎么办？无法保证进程之间的 cpu 时间（除非使用经过认证的实时系统...）。在它们之间实现同步。

您可以观看其他活动。如果生成站点在准备好文件时关闭文件，请注意关闭事件。你也可以在后台并行运行 work on/with NEWFILE 来加速执行和读取新文件。但是，如果接收端比发送端慢，如果您的脚本处理 NEWFILE 的速度比生成新文件部分慢，那么您将无能为力...

如果文件名中没有特殊字符和空格，我会选择：

inotifywait -m -e modify "${path}" |
while IFS=' ' read -r path event file ;do
    lock "${path}" 
    work on "${path}/${file}"
    ex. mv "${path}/${file}" ${new_location}
    unlock "${path}"
done

其中 lock 和 unlock 是在您的脚本和生成部分之间实现的一些锁定机制。您可以在文件创建过程和文件处理过程之间创建通信。

我认为您可以使用一些事务文件系统，它可以让您从其他脚本 "lock" 一个目录，直到您准备好处理它，但我在该领域没有经验。

I tried combining the two loops. But if files arrive quickly and in large numbers there is a change that the files will arrive wile the second loop is running.

运行 process_new_file_loop 在运行宁 process_old_files_loop 之前在背景中。在继续处理现有文件循环之前确保（即同步）inotifywait 已成功启动也很好，这样它们之间也没有竞争条件。

也许一个简单的例子 and/or 起点是：

work() {
    local file=""
    some work "$file"
    mv "$file" "$predefiend_path"
}

process_new_files_loop() {
    # let's work on modified files in parallel, so that it is faster

    trap 'wait' INT
    inotifywait -m -e modify "${path}" |
    while IFS=' ' read -r path event file ;do
        work "${path}/${file}" &
    done
}

process_old_files_loop() {
    # maybe we should parse in parallel here too?
    # maybe export -f work; find "${path} -type f | xargs -P0 -n1 -- bash -c 'work ' -- ?

    find "${path}" -type f |
    while IFS= read -r file; do
        work "${file}"
    done
}

process_new_files_loop &
child=$!

sleep 1

if ! ps -p "$child" >/dev/null 2>&1; then
    echo "ERROR running processing-new-file-loop" >&2
    exit 1
fi
process_old_files_loop
wait # wait for process_new_file_loop

如果您真的很关心执行速度并希望执行得更快，请更改为 python 或 C（或 shell 以外的任何语言）。 Bash 并不快，它是一个 shell，应该用于互连两个进程（将一个进程的标准输出传递给另一个进程的标准输入）并且逐行解析流 while IFS= read -r line 非常慢在 bash 中，通常应作为最后的手段使用。也许像 xargs -P0 -n1 sh -c "work on ; mv $path" -- 或 parallel 这样使用 xargs 会加快速度，但平均 python 或 C 程序可能会快 n 倍。

Answer 2

一旦 inotifywait 启动并等待，它会将消息 Watches established. 打印到标准错误。所以你需要在之后遍历现有文件。

因此，一种方法是编写一些程序来处理标准错误，当它看到该消息时，列出所有现有文件。为了方便起见，您可以将该功能包装在一个函数中：

function list-existing-and-follow-modify() {
  local path=""
  inotifywait --monitor \
              --event modify \
              --format %f \
              -- \
              "$path" \
    2> >( while IFS= read -r line ; do
            printf '%s\n' "$line" >&2
            if [[ "$line" = 'Watches established.' ]] ; then
              for file in "$path"/* ; do
                if [[ -e "$file" ]] ; then
                  basename "$file"
                fi
              done
              break
            fi
          done
          cat >&2
        )
}

然后写：

list-existing-and-follow-modify "$path" \
| while IFS= read -r file
    # ... work on/with "$file"
    # move "$file" to a new directory
  done

备注：

如果您不熟悉我使用的 >(...) 表示法，它叫做 "process substitution"；有关详细信息，请参阅 https://www.gnu.org/software/bash/manual/bash.html#Process-Substitution。
上面的竞争条件现在与原来的竞争条件相反：如果文件是在 inotifywait 启动后不久创建的，那么 list-existing-and-follow-modify 可能会列出它两次。但是您可以在 while 循环中轻松处理它，方法是使用 if [[ -e "$file" ]] 确保文件在您对其进行操作之前仍然存在。
我有点怀疑您的 inotifywait 选项是否真的是您想要的； modify，特别是，似乎是错误的事件。但我相信你可以根据需要调整它们。我在上面所做的唯一更改，除了切换到 clarity/explicitly 的长选项并添加 -- 以提高稳健性之外，就是添加 --format %f 以便您获得没有无关细节的文件名。
似乎没有任何方法可以告诉 inotifywait 使用除换行符以外的分隔符，所以，我只是顺其自然。确保避免包含换行符的文件名。

Answer 3

一个更简单的解决方案是在子 shell 中的 inotifywait 前面添加一个 ls，用 awk 创建看起来像 inotifywait 的输出。

我用它来检测和处理现有文件和新文件：

(ls ${path} | awk '{print "'${path}' EXISTS "}' && inotifywait -m ${path} -e close_write -e moved_to) |
  while read dir action file; do
    echo $action $dir $file
    # DO MY PROCESSING
  done

因此它运行 ls，格式化输出并将其发送到 stdout，然后在同一子 shell 中运行 inotifywait，将输出也发送到 stdout 进行处理。

使用 bash 监视目录中的现有文件和新文件

Monitor Pre-existing and new files in a directory with bash

bash

unix

inotify

inotifywait