parallel¶
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。
bzip2¶
cat bigfile.bin | bzip2 --best > compressedfile.bz2
改进成:
cat bigfile.bin | parallel --pipe --recend '' -k bzip2 --best > compressedfile.bz2
grep¶
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
现在可以改进成:
cat bigfile.txt | parallel --pipe grep 'pattern'
或者:
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。
awk¶
用awk命令计算一个非常大的数据文件的例子,常规方法:
cat rands20M.txt | awk '{s+=$1} END {print s}'
可以改进成:
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。
wc¶
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
现在可以改进成:
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。
sed¶
想在一个巨大的文件里使用sed命令做大量的替换操作吗?
常规做法:
sed s^old^new^g bigfile.txt
现在可以改进成:
cat bigfile.txt | parallel --pipe sed s^old^new^g
可以使用管道把输出存储到指定的文件里
并发图像转换¶
我在 Sphinx图片 需要转换图像格式到 webp
,在stackoverflow上找到一个使用 parallel
批量转换的巧妙方法记录如下:
将目录下大量的
webp
图像转换成png
parallel dwebp {} -o {.}.png
这里 {.}` 表示原文件名后缀去除,也就是 ``image.webp
转换后的文件名是 image.png
而不是 image.webp.png
如果有大量子目录,则改成:
find . -name "*.webp" -print0 | parallel -0 dwebp {} -o {.}.png