[英]How to use grep with large (millions) number of files to search for string and get result in few minutes
這個問題與如何有效地使用grep有關?
我試圖在一個文件夾中搜索一個“字符串”,該文件夾有8-10萬個小(~2-3kb)純文本文件。 我需要知道所有具有“字符串”的文件。
起初我用過這個
grep "string"
那太慢了。
然后我試了一下
grep * "string" {} \; -print
根據相關問題,我使用了這個
find . | xargs -0 -n1 -P8 grep -H "string"
我收到此錯誤:
xargs: argument line too long
有誰知道相對更快地完成這項任務的方法?
我在具有超過50GB可用RAM和14核CPU的服務器機器上運行此搜索。 我希望以某種方式我可以使用所有處理能力來更快地運行此搜索。
您應該刪除-0
參數到xargs
和up -n
參數:
... | xargs -n16 ...
這不是那么大的文件堆棧(對10⁷文件的稱贊 - 一個混亂的夢想),但我創建了100k文件(整體400 MB)
for i in {1..100000}; do head -c 10 /dev/urandom > dummy_$i; done
並且為純粹的好奇心做了一些測試(我正在搜索的關鍵字10是隨機選擇的):
> 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
順便說一句。 如果我用管道STDOUT
將輸出抑制到/dev/null
,則運行時間沒有太大差別。 我在一台功能不太強大的筆記本電腦上使用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
一個目錄中有800萬個文件! 但是,800萬2kb是16GB,你有50GB的RAM。 我在想一個RAMdisk ......
如果你有那么多RAM,為什么不把它全部讀入內存並使用正則表達式庫來搜索? 這是一個簡單的C程序:
#include <fcntl.h>
#include <regex.h>
...
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.