linux中国吧 关注:50贴子:738
  • 4回复贴,共1

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

只看楼主收藏回复

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。


1楼2015-12-08 18:50回复
    借用卡通人物Cartman的话,“如何我能使用这些内核”?


    2楼2015-12-08 18:51
    回复
      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。


      3楼2015-12-08 18:51
      回复
        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。


        4楼2015-12-08 18:52
        回复
          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。


          5楼2015-12-08 18:52
          回复