用CPU来加速你的Linux命令

导读	在处理大数据的时候咱们总会想着一些并行的操做来加速咱们的操做，咱们的cpu是多核多线程的，可是咱们的有些命令倒是单线程的命令，不可以进行并行的运算，如： grep、bzip二、wc、awk、sed等等，只能使用一个CPU内核。要想让Linux命令使用全部的CPU内核，咱们须要用到GNU Parallel命令，下面咱们技术下加速的方法吧

咱们都知道 grep, bzip2, wc, awk, sed等等，都是单线程的，只能使用一个CPU内核。那么如何才能使用这些内核？

要想让Linux命令使用全部的CPU内核，咱们须要用到GNU Parallel命令，它让咱们全部的CPU内核在单机内作神奇的map-reduce操做，固然，这还要借助不多用到的–pipes 参数(也叫作–spreadstdin)。这样，你的负载就会平均分配到各CPU上，真的。

BZIP2

bzip2是比gzip更好的压缩工具，但它很慢！别折腾了，咱们有办法解决这问题。

之前的作法：

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

如今这样：

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

尤为是针对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。

GREP

若是你有一个很是大的文本文件，之前你可能会这样：

grep pattern bigfile.txt

如今你能够这样：

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，这是说每一个内核处理1千万行——你能够用这个参数来调整每一个CUP内核处理多少行数据。

AWK

下面是一个用awk命令计算一个很是大的数据文件的例子。

常规用法：

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

如今这样：

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

这个有点复杂：parallel命令中的–pipe参数将cat输出分红多个块分派给awk调用，造成了不少子计算操做。这些子计算通过第二个管道进入了同一个awk命令，从而输出最终结果。第一个awk有三个反斜杠，这是GNU parallel调用awk的须要。

WC

想要最快的速度计算一个文件的行数吗？

传统作法：

wc -l bigfile.txt

如今你应该这样：

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调用，造成子计算，最后经过管道发送给awk进行汇总。

SED

想在一个巨大的文件里使用sed命令作大量的替换操做吗？

常规作法：

sed s^old^new^g bigfile.txt

如今你能够：

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

…而后你可使用管道把输出存储到指定的文件里。

原文来自：https://linux.cn/article-2188-1.html

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