find, locate, which: поиск файлов

«Где лежит этот файл?» — типичный вопрос Junior DE. Большой data lake, тысячи папок, файлы создаются автоматически — без инструментов поиска работать невозможно. В этом уроке: find (мощный, но капризный), locate (быстрый, но требует индекса), which/whereis/type (для команд), и fd (modern замена find).

find: швейцарский нож поиска

find DIR [tests] [actions] — это шаблон. Команда обходит дерево директорий и применяет тесты к каждому файлу. Для тех, кто проходит тесты — выполняет actions.

Базовый вызов:

$ find . -name "*.csv"
./data/raw.csv
./data/processed/2026-05-13.csv
./backup/old.csv

. — где искать (текущая директория и рекурсивно вниз). -name "*.csv" — тест по имени. Action по умолчанию — -print (вывести путь).

Тесты find: что искать

Комбинируются:

# Большие CSV изменённые за неделю
$ find /var/data -name "*.csv" -size +100M -mtime -7 -type f
/var/data/2026-05-12/sales.csv
/var/data/2026-05-13/users.csv

# Все .log или .tmp старше 30 дней
$ find /var/log \( -name "*.log" -o -name "*.tmp" \) -mtime +30

# Пустые папки
$ find /tmp -type d -empty

# Не в node_modules
$ find . -name "*.py" -not -path "*/node_modules/*"

# С определёнными правами
$ find /etc -perm 0644 -type f

Actions find: что делать

-print — по умолчанию. Можно явно. Другие actions:

# Удалить найденные
$ find /tmp -name "*.tmp" -mtime +7 -delete
# или с execute:
$ find /tmp -name "*.tmp" -mtime +7 -exec rm {} \;

# Запустить команду на каждом найденном
$ find . -name "*.py" -exec wc -l {} \;
247 ./main.py
89 ./utils.py
...

# Скопировать
$ find /var/data -name "*.csv" -exec cp {} /backup/ \;

В -exec {} — это placeholder для найденного файла. \; (или ;) — конец команды.

Есть две формы -exec:

# Одна команда на файл (медленно при тысячах файлов)
$ find . -name "*.csv" -exec gzip {} \;

# Все файлы за раз (как xargs)
$ find . -name "*.csv" -exec gzip {} +

Знак + в конце вместо \; — гораздо быстрее (одна команда вместо тысячи).

-exec vs xargs

Альтернатива — xargs:

# Через xargs
$ find . -name "*.csv" | xargs gzip

# Безопасный вариант с пробелами в именах
$ find . -name "*.csv" -print0 | xargs -0 gzip

-print0 выводит имена, разделённые null-байтами (\0), а не переводами строк. xargs -0 это парсит. Это решает проблему пробелов и спецсимволов в именах.

Реальный DE-сценарий

Допустим, у вас data lake, и нужно: удалить все CSV-файлы старше 30 дней в /var/data/raw/, но только если они меньше 10MB (большие должны архивироваться отдельно).

$ find /var/data/raw \
    -name "*.csv" \
    -type f \
    -size -10M \
    -mtime +30 \
    -delete

Это одна команда, которая:

1. Идёт по /var/data/raw/ и подпапкам.
2. Берёт только .csv файлы (-name, -type f).
3. Только меньше 10MB (-size -10M).
4. Только старше 30 дней (-mtime +30).
5. Удаляет (-delete).

В cron это уйдёт раз в неделю и будет чистить старые данные.

find: ловушки

1. Порядок аргументов важен. -name должен быть перед -type, -delete — после. Если -delete поставить в начало — удалит ВСЁ, что нашёл, до фильтров.

# ОПАСНО! Удаляет ВСЁ в /tmp!
$ find /tmp -delete -name "*.tmp"

# Правильно:
$ find /tmp -name "*.tmp" -delete

2. -name чувствителен к регистру. -name "*.csv" не найдёт data.CSV. Используйте -iname.

3. -name работает только с базовым именем. -name "/path/to/file" НЕ работает. Используйте -path или -wholename.

4. Symlinks. По умолчанию find НЕ переходит по symlinks. Чтобы переходить — -L (перед путём): find -L /etc -name "*.conf".

5. На macOS find — BSD-вариант. -mtime, -name, -type работают. Но -delete есть. Нет -print0 — нужно через -exec echo {} \;.

Производительность find

Для маленьких деревьев find мгновенный. Для больших (миллионы файлов) — может занять минуты. Что замедляет:

• Глубокое дерево.
• -exec cmd {} \; (одна команда на файл).
• Медленный диск.

Что ускоряет:

• Указать -maxdepth N (ограничить глубину).
• Использовать -exec cmd {} + или xargs (batch).
• Использовать locate или fd вместо find для интерактивного поиска (об этом ниже).

# Только текущая папка и одна вложенная
$ find /var/log -maxdepth 2 -name "*.log"

# Только директории на верхнем уровне
$ find /home -maxdepth 1 -type d

locate: быстрый поиск через индекс

locate работает по другому принципу: вместо обхода дерева на лету, он ищет по заранее построенному индексу. Поэтому в тысячи раз быстрее find.

$ locate passwd
/etc/passwd
/etc/passwd-
/etc/cron.daily/passwd
/usr/share/man/man1/passwd.1.gz
/usr/share/man/man5/passwd.5.gz
...

Это нашло мгновенно — потому что прочитало из индексной БД, не обходя FS.

Минусы:

1. Индекс может устареть. Если только что создали файл — locate не найдёт, пока не обновится индекс.
2. Найдёт всё, что было. Если файл удалён, но индекс не пересчитан — locate его покажет.
3. Требует установки и индекса.

Обновление индекса:

$ sudo updatedb
# 30 секунд - 2 минуты, в зависимости от системы

# Cron обычно обновляет ежедневно (/etc/cron.daily/mlocate)

Когда использовать:

• Для быстрого поиска «где приблизительно лежит файл с именем X».
• Не для свежесозданных файлов.
• Не для скриптов (ненадёжно).

# Установить если нет
$ sudo apt install -y mlocate
$ sudo updatedb
$ locate sshd_config
/etc/ssh/sshd_config

which / whereis / type: где команда

Поиск исполняемого файла команды:

$ which python3
/usr/bin/python3

$ which ls
/usr/bin/ls

$ type python3
python3 is /usr/bin/python3

$ type ls
ls is aliased to `ls --color=auto'

Разница:

$ alias ll='ls -la'

$ which ll
# (ничего, потому что which не знает про aliases)

$ type ll
ll is aliased to `ls -la'

$ type cd
cd is a shell builtin

$ type python3
python3 is /usr/bin/python3

Используйте type, а не which. type показывает реальную картину.

fd: modern замена find

fd — это переписанный на Rust find, с упрощённым синтаксисом и лучшими defaults:

$ sudo apt install -y fd-find    # на Debian/Ubuntu (команда называется fdfind)
$ alias fd=fdfind
# или
$ brew install fd                # на macOS

# Простой поиск:
$ fd 'main\.py'
./src/main.py
./tests/main.py

# По расширению:
$ fd -e csv
./data/raw.csv
./data/processed.csv

# С regex:
$ fd '^[0-9]{4}\.log$' /var/log
/var/log/2024.log
/var/log/2025.log

# С action:
$ fd -e csv -x gzip
# для каждого .csv запускает gzip

Чем fd лучше find:

• Простой синтаксис: fd 'pattern' вместо find . -name 'pattern'.
• По умолчанию игнорирует: .git, node_modules, .gitignore-файлы (как ripgrep).
• Цветной вывод.
• В 5-10 раз быстрее на больших деревьях (multithreaded).
• Лучшая обработка пробелов в именах.

Для интерактивного поиска fd — однозначный winner. Для production-скриптов всё ещё лучше find (есть везде, не требует установки).

Попробуй сам

Создайте песочницу:

$ mkdir -p ~/linux-sandbox/lesson-find/{data,logs,backups}
$ cd ~/linux-sandbox/lesson-find

# Создадим разные файлы
$ touch data/{a,b,c}.csv
$ touch data/big.csv && dd if=/dev/zero of=data/big.csv bs=1M count=10 2>/dev/null
$ touch logs/{error,access}.log
$ touch backups/old.tar.gz
$ touch "file with spaces.txt"

# Базовый поиск
$ find . -name "*.csv"

# По размеру (большие)
$ find . -size +1M

# По времени (созданные за последний час)
$ find . -mmin -60

# Type filter
$ find . -type d         # только папки
$ find . -type f         # только файлы

# С execute (count lines в каждом)
$ find . -name "*.csv" -exec wc -l {} +

# С null-separated (правильно для пробелов)
$ find . -name "*.txt" -print0 | xargs -0 -I {} echo "FILE: {}"

Сравните производительность locate и find:

$ sudo updatedb
$ time locate passwd
real    0m0.012s

$ time find / -name "passwd" 2>/dev/null
real    0m3.421s   # в 300 раз медленнее

Поставьте и попробуйте fd:

$ sudo apt install -y fd-find
$ fdfind 'csv$'
$ fdfind -e log