898
如何利用多核CPU來加速你的Linux命令 — awk, sed, bzip2, grep, wc等
你是否曾經有過要計算一個非常大的數據(幾百GB)的需求？或在裏麵搜索，或其它操作——一些無法並行的操作。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，隻能使用一個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
下麵是一個用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}'
這個有點複雜：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，最後通過管道發送給awk進行匯總。
SED
想在一個巨大的文件裏使用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存儲到指定的文件裏。
最後更新：2017-04-03 07:56:55