你是否曾經有過要計算一個很是大的數據(幾百GB)的需求？或在裏面搜索，或其它操做——一些沒法並行的操做。數據專家們，我是在對大家說。你可能有一個4核或更多核的CPU，但咱們合適的工具，例如 grep, bzip2, wc, awk, sed等等，都是單線程的，只能使用一個CPU內核。linux
借用卡通人物Cartman的話，「如何我能使用這些內核」?app
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。工具
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。post
之前的作法：線程
cat bigfile.bin | bzip2 --best > compressedfile.bz2
如今這樣：code
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。ip
GREP
若是你有一個很是大的文本文件，之前你可能會這樣：get
grep pattern bigfile.txt
如今你能夠這樣：it
cat bigfile.txt | parallel --pipe grep 'pattern'
或者這樣：pip
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。