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
8 Z, Z' }$ Y1 p+ T# O9 A0 k
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
$ b" h- `& _+ y6 Y* S; V
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 \
+ v" h7 _1 Z  I; ~8 B( b6 n8 d1 U+ N6 V, U; `8 G3 q7 a! q8 t5 a/ e, _
! C# W0 \' `$ g. r' R" D: L! `, @. J/ F3 O
. W6 P- |& ~5 W& T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 |4 F2 H. B' I( M: b4 |0 i4 d, O

) n4 W( m- S% L. e) B2 b( VBZIP2
9 W; _) n6 x1 A
; t' x5 [' s/ c6 ~7 c/ E+ U) ]
& S8 t  C5 m0 e$ ?1 \' C% R, O6 z7 V! n$ q5 E$ B* v& A% p6 |7 I
. _+ O9 f9 f- F+ w! O  V# U* Lbzip2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
以前的做法：9 E5 `- H# @0 t( `
2 [- ^2 [. u% E' B$ fcat 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 [
* k; h# }! Z+ J9 K8 Q  ?2 z. v3 s4 d' q: Q! Z* J
GREP9 J5 B5 J' t% v. S
2 _$ L" n# u+ ?
, X/ F$ _/ v2 z4 @8 k1 K如果你有一个非常大的文本文件，以前你可能会这样：
& W7 {. L0 O) e" ~. Qgrep pattern bigfile.txt现在你可以这样：
cat bigfile.txt | parallel  --pipe grep 'pattern'或者这样：4 X; ?% Y4 v% D
cat bigfile.txt | parallel --block 10M --pipe grep 'pattern'
' a: Q8 N2 V6 K5 F
& k! Z" \/ `; N1 b3 g) W, u- X* w3 |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。
' R8 X5 V( [9 V  e% x7 H, }5 t7 o
, H' l! L; r3 }% h7 m; W; @* `! J. r+ D  E8 l/ \. R

  K. B' M# N  Q% O8 F3 f0 a5 J' Q$ ^8 \
AWK
2 c1 O8 j. J& D1 g" b/ O$ V' L5 ?; n8 H  c! P0 T8 J, Z: t7 a
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
) ]7 C1 q4 q6 Q1 W常规用法：
cat 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
% N  S+ {8 I' y0 h: U+ R% p2 ~
0 n4 f" I2 s7 x- X( J; ~1 g6 b
  d9 V* ?. K* K6 DWC
5 K2 X7 h- v( n0 g( O
0 h3 |$ @. y, q/ D' r# X' s想要最快的速度计算一个文件的行数吗？
传统做法：
* h& |9 g: q, F2 Qwc -l bigfile.txt现在你应该这样：$ Q" S# [& H/ C  A
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

4 ]. o6 D! M- D" p1 }
SED: I2 w+ \# g- \! I
7 }: H* V+ |  @2 M% S5 `) P7 [4 Z6 E0 @7 c
' W* l5 c6 }- V+ C3 B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
! n9 e/ ^2 B, r8 g0 R& X  ^3 @: D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
1 l" |8 @3 q& F1 w' o! g( }0 N3 zcat 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。