如何利用多核CPU来加速你的Linux命令 — awk, sed, bzip2 等_最新动态_新闻资讯_程序员俱乐部

中国优秀的程序员网站程序员频道CXYCLUB技术地图
热搜:
更多>>
 
您所在的位置: 程序员俱乐部 > 新闻资讯 > 最新动态 > 如何利用多核CPU来加速你的Linux命令 — awk, sed, bzip2 等

如何利用多核CPU来加速你的Linux命令 — awk, sed, bzip2 等

 2013/10/30 9:58:04    程序员俱乐部  我要评论(0)
  • 摘要:英文原文:UsemultipleCPUCoreswithyourLinuxcommands你是否曾经有过要计算一个非常大的数据(几百GB)的需求?或在里面搜索,或其它操作——一些无法并行的操作。数据专家们,我是在对你们说。你可能有一个4核或更多核的CPU,但我们合适的工具,例如grep,bzip2,wc,awk,sed等等,都是单线程的,只能使用一个CPU内核。借用卡通人物Cartman的话,“如何我能使用这些内核”
  • 标签:Linux 利用 命令 多核
class="topic_img" alt=""/>

  英文原文:Use multiple CPU Cores with your Linux commands

  你是否曾经有过要计算一个非常大的数据(几百 GB)的需求?或在里面搜索,或其它操作——一些无法并行的操作。数据专家们,我是在对你们说。你可能有一个 4 核或更多核的 CPU,但我们合适的工具,例如 grepbzip2wcawksed等等,都是单线程的,只能使用一个 CPU 内核

  借用卡通人物 Cartman 的话,“如何我能使用这些内核”?

  要想让 Linux 命令使用所有的 CPU 内核,我们需要用到 GNU Parallel 命令,它让我们所有的 CPU 内核在单机内做神奇的 map-reduce 操作,当然,这还要借助很少用到的–pipes 参数(也叫做–spreadstdin)。这样,你的负载就会平均分配到各 CPU 上,真的。

  BZIP2

  bzip2 是比 gzip 更好的压缩工具,但它很慢!别折腾了,我们有办法解决这问题。

  以前的做法:

cat bigfile.bin bzip2 --best > compressedfile.bz2

  现在这样:

cat bigfile.bin  parallel --pipe --recend '' -k bzip2 --best > compressedfile.bz2

  尤其是针对 bzip2,GNU parallel 在多核 CPU 上是超级的快。你一不留神,它就执行完成了。

  GREP

  如果你有一个非常大的文本文件,以前你可能会这样:

grep pattern bigfile.txt

  现在你可以这样:

cat bigfile.txt parallel  --pipe grep 'pattern'

  或者这样:

cat bigfile.txt parallel --block 10M --pipe grep 'pattern'

  这第二种用法使用了–block 10M参数,这是说每个内核处理 1 千万行——你可以用这个参数来调整每个 CUP 内核处理多少行数据。

  AWK

  下面是一个用 awk 命令计算一个非常大的数据文件的例子

  常规用法:

cat rands20M.txt awk '{s+=$1} END {print s}'

  现在这样:

cat rands20M.txt parallel --pipe awk \'{s+=\$1} END {print s}\' awk '{s+=$1} END {print s}'

  这个有点复杂:parallel 命令中的–pipe参数将 cat 输出分成多个块分派给 awk 调用,形成了很多子计算操作。这些子计算经过第二个管道进入了同一个 awk 命令,从而输出最终结果。第一个 awk 有三个反斜杠,这是 GNU parallel 调用 awk 的需要。

  WC

  想要最快的速度计算一个文件的行数吗?

  传统做法:

wc -l bigfile.txt

  现在你应该这样:

cat bigfile.txt parallel  --pipe wc -l awk '{s+=$1} END {print s}'

  非常的巧妙,先使用 parallel 命令‘mapping’出大量的wc -l调用,形成子计算,最后通过管道发送给 awk 进行汇总。

  SED

  想在一个巨大的文件里使用 sed 命令做大量的替换操作吗?

  常规做法:

sed s^old^new^g bigfile.txt

  现在你可以:

cat bigfile.txt parallel --pipe sed s^old^new^g

  …然后你可以使用管道把输出存储到指定的文件里。

发表评论
用户名: 匿名