用CPU來加速你的Linux命令

導讀	在處理大數據的時候咱們總會想着一些並行的操做來加速咱們的操做，咱們的cpu是多核多線程的，可是咱們的有些命令倒是單線程的命令，不可以進行並行的運算，如： grep、bzip二、wc、awk、sed等等，只能使用一個CPU內核。要想讓Linux命令使用全部的CPU內核，咱們須要用到GNU Parallel命令，下面咱們技術下加速的方法吧

咱們都知道 grep, bzip2, wc, awk, sed等等，都是單線程的，只能使用一個CPU內核。那麼如何才能使用這些內核？

要想讓Linux命令使用全部的CPU內核，咱們須要用到GNU Parallel命令，它讓咱們全部的CPU內核在單機內作神奇的map-reduce操做，固然，這還要藉助不多用到的–pipes 參數(也叫作–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，咱們有辦法解決這問題。

之前的作法：

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

如今這樣：

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

尤爲是針對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

若是你有一個很是大的文本文件，之前你可能會這樣：

grep pattern bigfile.txt

如今你能夠這樣：

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，這是說每一個內核處理1千萬行——你能夠用這個參數來調整每一個CUP內核處理多少行數據。

AWK

下面是一個用awk命令計算一個很是大的數據文件的例子。

常規用法：

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

如今這樣：

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輸出分紅多個塊分派給awk調用，造成了不少子計算操做。這些子計算通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調用awk的須要。

WC

想要最快的速度計算一個文件的行數嗎？

傳統作法：

wc -l bigfile.txt

如今你應該這樣：

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

很是的巧妙，先使用parallel命令‘mapping’出大量的wc -l調用，造成子計算，最後經過管道發送給awk進行彙總。

SED

想在一個巨大的文件裏使用sed命令作大量的替換操做嗎？

常規作法：

sed s^old^new^g bigfile.txt

如今你能夠：

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

…而後你可使用管道把輸出存儲到指定的文件裏。

原文來自：https://linux.cn/article-2188-1.html

本文地址：http://www.linuxprobe.com/use-cpu-commands.html