2022年3月24日 星期四

如何利用多核CPU來加速你的Linux命令

  你是否曾經有過要計算一個非常大的資料(幾百GB)的需求?或在裡面搜尋,或其它操作——一些無法並行的操作。資料專家們,我是在對你們說。你可能有一個4核或更多核的CPU,但我們合適的工具,例如 grep, bzip2, wc, awk, sed等等,都是單執行緒的,只能使用一個CPU核心。

  借用卡通人物Cartman的話,“如何我能使用這些核心”?

  要想讓Linux命令使用所有的CPU核心,我們需要用到GNU Parallel命令,它讓我們所有的CPU核心在單機內做神奇的map-reduce操作,當然,這還要藉助很少用到的–pipes 引數(也叫做–spreadstdin)。這樣,你的負載就會平均分配到各CPU上,真的。

  BZIP2

  bzip2是比gzip更好的壓縮工具,但它很慢!別折騰了,我們有辦法解決這問題。

  以前的做法:

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

  現在這樣:

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

  尤其是針對bzip2,GNU parallel在多核CPU上是超級的快。你一不留神,它就執行完成了。

  GREP

  如果你有一個非常大的文字檔案,以前你可能會這樣:

grep pattern bigfile.txt

 現在你可以這樣:

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

  或者這樣:

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

  這第二種用法使用了 –block 10M引數,這是說每個核心處理1千萬行——你可以用這個引數來調整每個CUP核心處理多少行資料。

  AWK

  下面是一個用awk命令計算一個非常大的資料檔案的例子。

  常規用法:

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

  現在這樣:

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

  這個有點複雜:parallel命令中的–pipe引數將cat輸出分成多個塊分派給awk呼叫,形成了很多子計算操作。這些子計算經過第二個管道進入了同一個awk命令,從而輸出最終結果。第一個awk有三個反斜槓,這是GNU parallel呼叫awk的需要。

  WC

  想要最快的速度計算一個檔案的行數嗎?

  傳統做法:

wc -l bigfile.txt

  現在你應該這樣:

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呼叫,形成子計算,最後通過管道傳送給awk進行彙總。

  SED

  想在一個巨大的檔案裡使用sed命令做大量的替換操作嗎?

  常規做法:

sed s^old^new^g bigfile.txt

  現在你可以:

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

  …然後你可以使用管道把輸出儲存到指定的檔案裡。

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

資料來源:https://iter01.com/34786.html

沒有留言: