多核CPU怎么来加速你的Linux命令

STM

来这里找志同道合的小伙伴！9 e& [- ]$ d" Q9 L3 a

" _3 m3 f$ s, s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。
- t. G0 M" E. ^* B0 v

* Z/ \. a8 r1 k, l, l借用卡通人物Cartman的话，“如何我能使用这些内核”?! O8 y  d' K5 b5 h6 \
6 V, U; `8 G3 q7 a! q8 t5 a/ e, _
. b6 v% p7 E& S, X/ D4 q/ e" D: L! `, @. J/ F3 O
+ F  X/ a. {! A" W' E' X- N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。

0 S+ s3 a3 b/ ?4 X# h
BZIP2
9 W; _) n6 x1 A
; t' x5 [' s/ c6 ~7 c/ E+ U) ]
" f& n0 b( i3 E: k- O7 V! n$ q5 E$ B* v& A% p6 |7 I
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。$ w% ?% I/ M/ P4 k" A
* @) i1 ~7 B- q1 p1 ?! w7 @以前的做法：9 E5 `- H# @0 t( `
cat bigfile.bin | bzip2 --best > compressedfile.bz2现在这样：6 D: K0 l3 y* y% `' V- B# l& A8 o
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。
7 Y* e  l* ^2 [
. v3 s4 d' q: Q! Z* J
GREP9 J5 B5 J' t% v. S

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：
9 x) G2 y& D/ z/ X  y% a3 ccat bigfile.txt | parallel  --pipe grep 'pattern'或者这样：4 X; ?% Y4 v% D
/ A5 x, X, j, V9 O$ i$ @cat bigfile.txt | parallel --block 10M --pipe grep 'pattern'

1 Z" m0 Z* ]' f( p8 j3 \. m5 N3 ^  T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。
# m2 t) O# H$ R% f  e% x7 H, }5 t7 o
* `! J. r+ D  E8 l/ \. R
% Q) c+ n$ z& T9 r) R
% O8 F3 f0 a5 J' Q$ ^8 \
9 U4 @2 D: A3 B' V- n' X8 a3 b- TAWK
8 H  c! P0 T8 J, Z: t7 a
0 {0 \$ P) m/ W5 L4 h* [; y4 ?下面是一个用awk命令计算一个非常大的数据文件的例子。) M9 F! B: _/ w
常规用法：
* H" ?  E& m; [+ [2 e3 x; v" ncat rands20M.txt | awk '{s+=$1} END {print s}'现在这样：& L0 U6 J# F" o+ D" z1 z  D: p7 Y
cat rands20M.txt | parallel --pipe awk \'{s+=\$1} END {print s}\' | awk '{s+=$1} END {print s}'这个有点复杂：parallel命令中的–pipe参数将cat输出分成多个块分派给awk调用，形成了很多子计算操作。这些子计算经过第二个管道进入了同一个awk命令，从而输出最终结果。第一个awk有三个反斜杠，这是GNU parallel调用awk的需要。8 o; R% t; F* q$ e1 u8 P


) q/ {" K) X' vWC

想要最快的速度计算一个文件的行数吗？
传统做法：
wc -l bigfile.txt现在你应该这样：$ Q" S# [& H/ C  A
- G8 F. ]4 h; W& h2 S7 j5 `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调用，形成子计算，最后通过管道发送给awk进行汇总。% v4 ?% J8 ^3 W. R

' m' a# B2 m3 l' K# x8 Z% K4 ]. o6 D! M- D" p1 }
SED: I2 w+ \# g- \! I
. E3 l% ?6 p, ]% S5 `) P7 [4 Z6 E0 @7 c
4 @( \0 W! {$ c. A, h& z想在一个巨大的文件里使用sed命令做大量的替换操作吗？4 T. e2 A  c+ i/ s, M& ]$ o8 m& q
4 V( Q, ]) m: _3 O5 T( \8 c常规做法：0 ^& ^6 W, P7 z# c
sed s^old^new^g bigfile.txt现在你可以：2 o7 a. d* R# R" A# ~% V/ T; v
& [) P& U% [" ncat bigfile.txt | parallel --pipe sed s^old^new^g…然后你可以使用管道把输出存储到指定的文件里。
3 h* B! y8 G9 n2 U& [