福彩3d第2019132期:如何利用多核CPU來加速你的Linux命令

2013-10-31 08:26:30來源:aqee作者:

福彩有极速赛车吗 www.ipmpe.com 要想讓Linux命令使用所有的CPU內核,我們需要用到GNU Parallel命令,它讓我們所有的CPU內核在單機內做神奇的map-reduce操作,當然,這還要借助很少用到的–pipes 參數(也叫做–spreadstdin)。這樣,你的負載就會平均分配到各CPU上,真的。

你是否曾經有過要計算一個非常大的數據(幾百GB)的需求?或在里面搜索,或其它操作——一些無法并行的操作。數據專家們,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,都是單線程的,只能使用一個CPU內核。

借用卡通人物Cartman的話,“如何我能使用這些內核”?

要想讓Linux命令使用所有的CPU內核,我們需要用到GNU Parallel命令,它讓我們所有的CPU內核在單機內做神奇的map-reduce操作,當然,這還要借助很少用到的–pipes 參數(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本文件,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參數,這是說每個內核處理1千萬行——你可以用這個參數來調整每個CUP內核處理多少行數據。

AWK

下面是一個用awk命令計算一個非常大的數據文件的例子。

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}'

這個有點復雜:parallel命令中的–pipe參數將cat輸出分成多個塊分派給awk調用,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有三個反斜杠,這是GNU parallel調用awk的需要。

WC

想要最快的速度計算一個文件的行數嗎?

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調用,形成子計算,最后通過管道發送給awk進行匯總。

SED

想在一個巨大的文件里使用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

…然后你可以使用管道把輸出存儲到指定的文件里。

關鍵詞:Linux