用CPU来加速你的Linux命令

共计 1447 个字符，预计需要花费 4 分钟才能阅读完成。

我们都知道 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。

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。

以前的做法：

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

现在这样：

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。

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：

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。

下面是一个用 awk 命令计算一个非常大的数据文件的例子。

常规用法：

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

现在这样：

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。

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：

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。

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

现在你可以：

cat 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。

阿里云 2 核 2G 服务器 3M 带宽 61 元 1 年，有高配

腾讯云新客低至 82 元 / 年，老客户 99 元 / 年

代金券：在阿里云专用满减优惠券