Linux集群中基于映射表查找文件并创建指定别名链接

我来帮你完善这个脚本，解决批量根据Sample名查找文件并通过映射表创建别名软链接的问题。咱们先明确核心需求：从key.tsv里拿到Sample和Serial的对应关系，找到指定Sample的fastq文件，然后在目标目录用对应的Serial名创建软链接。

优化思路 #

首先要解决原脚本里的几个潜在问题：重复遍历映射表的效率问题、find命令的冗余遍历、缺乏错误提示逻辑。下面是完整的可运行方案：

第一步：预加载映射表（提升集群环境效率） #

先把key.tsv里的Sample-Serial映射关系一次性加载到bash关联数组中，避免每次循环都读取文件，尤其适合大型集群的慢存储环境：

# 加载映射表到关联数组（假设key.tsv第一列是Sample，第二列是Serial）
declare -A sample_to_serial
while IFS=$'\t' read -r sample serial; do
    sample_to_serial["$sample"]="$serial"
done < key.tsv

第二步：完整批量处理脚本 #

下面是包含错误处理、效率优化的完整脚本，你只需要替换对应的路径参数即可：

#!/bin/bash

# ===== 配置参数（根据你的集群环境修改） =====
SEARCH_DIR="/directory"          # 存放Sample文件的根目录
TARGET_LINK_DIR="/target/links"  # 要创建软链接的目标目录
SAMPLES=("Sample10" "Sample22")  # 需要处理的Sample列表
MAP_FILE="key.tsv"               # 映射表文件路径

# 创建目标目录（如果不存在）
mkdir -p "$TARGET_LINK_DIR"

# 检查映射表是否存在
if [[ ! -f "$MAP_FILE" ]]; then
    echo "❌ 错误：映射表文件 $MAP_FILE 不存在，请检查路径！"
    exit 1
fi

# 加载映射表到关联数组
declare -A sample_to_serial
while IFS=$'\t' read -r sample serial; do
    sample_to_serial["$sample"]="$serial"
done < "$MAP_FILE"

# 批量处理每个Sample
for sample in "${SAMPLES[@]}"; do
    # 检查当前Sample是否有对应的Serial映射
    if [[ -z "${sample_to_serial[$sample]}" ]]; then
        echo "⚠️ 警告：Sample $sample 在映射表中未找到对应Serial，跳过..."
        continue
    fi
    serial="${sample_to_serial[$sample]}"

    # 查找对应的fastq文件（找到第一个匹配项就停止遍历，提升速度）
    fastq_file=$(find "$SEARCH_DIR" -name "${sample}*.fastq" -type f -quit)
    if [[ -z "$fastq_file" ]]; then
        echo "⚠️ 警告：未找到Sample $sample 对应的fastq文件，跳过..."
        continue
    fi

    # 提取原文件后缀，保持软链接的后缀一致性
    suffix="${fastq_file##*.}"
    link_path="$TARGET_LINK_DIR/${serial}.${suffix}"

    # 创建软链接（-f覆盖已存在的链接，-n避免误操作目录）
    if ln -sfn "$fastq_file" "$link_path"; then
        echo "✅ 成功创建软链接：$link_path -> $fastq_file"
    else
        echo "❌ 错误：创建软链接 $link_path 失败！"
    fi
done

关键细节说明 #

• 关联数组兼容性：如果你的集群bash版本低于4.0（不支持关联数组），可以用awk替代映射查询：serial=$(awk -v sample="$sample" '$1 == sample {print $2; exit}' key.tsv)
• find -quit选项：在大型集群目录中，找到第一个匹配文件就停止遍历，避免不必要的IO消耗
• 软链接路径：使用find返回的绝对路径创建软链接，确保链接在任何目录下都能正常访问
• 错误提示：添加了映射表不存在、Sample无映射、未找到文件的提示，方便排查集群环境中的问题

内容的提问来源于stack exchange，提问作者Paul