我正在编写一个 C 程序来计算给定目录中文件的总大小。我知道每个文件都指向一个inode，所以我打算使用stat 来查找inode 值和文件大小。由于我想在一个 inode 有多个硬链接和/或符号链接时避免错误计算，所以我想将 inode 存储在一个数组中。问题是，现在要检查给定文件的 inode 是否唯一，我必须再次遍历 inode 数组，运行时间约为 n^2。我想避免过于复杂的结构，例如 RB 树。有没有更快、更聪明的方法来实现这一点？我知道有系统工具可以做到这一点，我想知道他们是如何实现这样的东西的。
【问题讨论】：
即使是二叉树也是一个不错的选择，因为在随机数据下它们是相对平衡的。这也是一个实现起来非常简单的结构。
通常，选择的结构是具有恒定平均搜索时间的哈希表。这里的挑战是为您的数据找到一个好的散列函数。哈希表的实现并不难，我想你可以找到很多实现它们的好库。
但是如果你愿意等到你把所有的inode都存入了数组，那么你可以对这个数组进行排序并遍历它以找到重复的......
编辑：
inode 包含一个引用计数。这会计算硬链接的数量。因此，您可以检查引用计数 > 1 的 inode 中的重复项。
【讨论】：
使用哈希表。它是 O(1)（虽然对于小集合来说有点贵）。当然，正如您所说的关于红黑树，您可能会发现这种“过于复杂”，但是如果您想要在最坏情况下获得良好的性能，您需要做一些比普通数组更复杂的事情（顺便说一下尽管理论上的时间复杂度更差，但对于小集合来说最快）。
如果您还没有可用的哈希表实现（这毕竟是 C），这里有几个概述：https://stackoverflow.com/a/8470745/4323
【讨论】：