[英]How to use grep with large (millions) number of files to search for string and get result in few minutes
这个问题与如何有效地使用grep有关?
我试图在一个文件夹中搜索一个“字符串”,该文件夹有8-10万个小(~2-3kb)纯文本文件。 我需要知道所有具有“字符串”的文件。
起初我用过这个
grep "string"
那太慢了。
然后我试了一下
grep * "string" {} \; -print
根据相关问题,我使用了这个
find . | xargs -0 -n1 -P8 grep -H "string"
我收到此错误:
xargs: argument line too long
有谁知道相对更快地完成这项任务的方法?
我在具有超过50GB可用RAM和14核CPU的服务器机器上运行此搜索。 我希望以某种方式我可以使用所有处理能力来更快地运行此搜索。
您应该删除-0
参数到xargs
和up -n
参数:
... | xargs -n16 ...
这不是那么大的文件堆栈(对10⁷文件的称赞 - 一个混乱的梦想),但我创建了100k文件(整体400 MB)
for i in {1..100000}; do head -c 10 /dev/urandom > dummy_$i; done
并且为纯粹的好奇心做了一些测试(我正在搜索的关键字10是随机选择的):
> time find . | xargs -n1 -P8 grep -H "10"
real 0m22.626s
user 0m0.572s
sys 0m5.800s
> time find . | xargs -n8 -P8 grep -H "10"
real 0m3.195s
user 0m0.180s
sys 0m0.748s
> time grep "10" *
real 0m0.879s
user 0m0.512s
sys 0m0.328s
> time awk '/10/' *
real 0m1.123s
user 0m0.760s
sys 0m0.348s
> time sed -n '/10/p' *
real 0m1.531s
user 0m0.896s
sys 0m0.616s
> time perl -ne 'print if /10/' *
real 0m1.428s
user 0m1.004s
sys 0m0.408s
顺便说一句。 如果我用管道STDOUT
将输出抑制到/dev/null
,则运行时间没有太大差别。 我在一台功能不太强大的笔记本电脑上使用Ubuntu 12.04;)我的CPU是Intel(R)Core(TM)i3-3110M CPU @ 2.40GHz。
更多好奇心:
> time find . | xargs -n1 -P8 grep -H "10" 1>/dev/null
real 0m22.590s
user 0m0.616s
sys 0m5.876s
> time find . | xargs -n4 -P8 grep -H "10" 1>/dev/null
real m5.604s
user 0m0.196s
sys 0m1.488s
> time find . | xargs -n8 -P8 grep -H "10" 1>/dev/null
real 0m2.939s
user 0m0.140s
sys 0m0.784s
> time find . | xargs -n16 -P8 grep -H "10" 1>/dev/null
real 0m1.574s
user 0m0.108s
sys 0m0.428s
> time find . | xargs -n32 -P8 grep -H "10" 1>/dev/null
real 0m0.907s
user 0m0.084s
sys 0m0.264s
> time find . | xargs -n1024 -P8 grep -H "10" 1>/dev/null
real 0m0.245s
user 0m0.136s
sys 0m0.404s
> time find . | xargs -n100000 -P8 grep -H "10" 1>/dev/null
real 0m0.224s
user 0m0.100s
sys 0m0.520s
一个目录中有800万个文件! 但是,800万2kb是16GB,你有50GB的RAM。 我在想一个RAMdisk ......
如果你有那么多RAM,为什么不把它全部读入内存并使用正则表达式库来搜索? 这是一个简单的C程序:
#include <fcntl.h>
#include <regex.h>
...
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.