使用 GNU Parallel 提高 Linux 命令行執行效率

你是否有過這種感覺，你的主機運行速度沒有預期的那麼快？我也曾經有過這種感覺，直到我發現了 GNU Parallel。

GNU Parallel 是一個 shell 工具，可以並行執行任務。它可以解析多種輸入，讓你可以同時在多份數據上運行腳本或命令。你終於可以使用全部的 CPU 了！

如果你用過 xargs，上手 Parallel 幾乎沒有難度。如果沒有用過，這篇教程會告訴你如何使用，同時給出一些其它的用例。

安裝 GNU Parallel

GNU Parallel 很可能沒有預裝在你的 Linux 或 BSD 主機上，你可以從軟體源中安裝。以 Fedora 為例：

$ sudo dnf install parallel

對於 NetBSD：

# pkg_add parallel

如果各種方式都不成功，請參考項目主頁。

從串列到並行

正如其名稱所示，Parallel 的強大之處是以並行方式執行任務；而我們中不少人平時仍然以串列方式運行任務。

當你對多個對象執行某個命令時，你實際上創建了一個任務隊列。一部分對象可以被命令處理，剩餘的對象需要等待，直到命令處理它們。這種方式是低效的。只要數據夠多，總會形成任務隊列；但與其只使用一個任務隊列，為何不使用多個更小規模的任務隊列呢？

假設你有一個圖片目錄，你希望將目錄中的圖片從 JEEG 格式轉換為 PNG 格式。有多種方法可以完成這個任務。可以手動用 GIMP 打開每個圖片，輸出成新格式，但這基本是最差的選擇，費時費力。

上述方法有一個漂亮且簡潔的變種，即基於 shell 的方案：

$ convert 001.jpeg 001.png
$ convert 002.jpeg 002.png
$ convert 003.jpeg 003.png
... 略 ...

對於初學者而言，這是一個不小的轉變，而且看起來是個不小的改進。不再需要圖像界面和不斷的滑鼠點擊，但仍然是費力的。

進一步改進：

$ for i in *jpeg; do convert $i $i.png ; done

至少，這一步設置好任務執行，讓你節省時間去做更有價值的事情。但問題來了，這仍然是串列操作；一張圖片轉換完成後，隊列中的下一張進行轉換，依此類推直到全部完成。

使用 Parallel:

$ find . -name "*jpeg" | parallel -I% --max-args 1 convert % %.png

這是兩條命令的組合：find 命令，用於收集需要操作的對象；parallel 命令，用於對象排序並確保每個對象按需處理。

• find . -name "*jpeg" 查找當前目錄下以 jpeg 結尾的所有文件。
• parallel 調用 GNU Parallel。
• -I% 創建了一個佔位符 %，代表 find 傳遞給 Parallel 的內容。如果不使用佔位符，你需要對 find 命令的每一個結果手動編寫一個命令，而這恰恰是你想要避免的。
• --max-args 1 給出 Parallel 從隊列獲取新對象的速率限制。考慮到 Parallel 運行的命令只需要一個文件輸入，這裡將速率限制設置為 1。假如你需要執行更複雜的命令，需要兩個文件輸入（例如 cat 001.txt 002.txt > new.txt），你需要將速率限制設置為 2。
• convert % %.png 是你希望 Parallel 執行的命令。

組合命令的執行效果如下：find 命令收集所有相關的文件信息並傳遞給 parallel，後者（使用當前參數）啟動一個任務，（無需等待任務完成）立即獲取參數行中的下一個參數（LCTT 譯註：管道輸出的每一行對應 parallel 的一個參數，所有參數構成參數行）；只要你的主機沒有癱瘓，Parallel 會不斷做這樣的操作。舊任務完成後，Parallel 會為分配新任務，直到所有數據都處理完成。不使用 Parallel 完成任務大約需要 10 分鐘，使用後僅需 3 至 5 分鐘。

多個輸入

只要你熟悉 find 和 xargs （整體被稱為 GNU 查找工具，或 findutils），find 命令是一個完美的 Parallel 數據提供者。它提供了靈活的介面，大多數 Linux 用戶已經很習慣使用，即使對於初學者也很容易學習。

find 命令十分直截了當：你向 find 提供搜索路徑和待查找文件的一部分信息。可以使用通配符完成模糊搜索；在下面的例子中，星號匹配任何字元，故 find 定位（文件名）以字元 searchterm 結尾的全部文件：

$ find /path/to/directory -name "*searchterm"

默認情況下，find 逐行返回搜索結果，每個結果對應 1 行：

$ find ~/graphics -name "*jpg"
/home/seth/graphics/001.jpg
/home/seth/graphics/cat.jpg
/home/seth/graphics/penguin.jpg
/home/seth/graphics/IMG_0135.jpg

當使用管道將 find 的結果傳遞給 parallel 時，每一行中的文件路徑被視為 parallel 命令的一個參數。另一方面，如果你需要使用命令處理多個參數，你可以改變隊列數據傳遞給 parallel 的方式。

下面先給出一個不那麼實際的例子，後續會做一些修改使其更加有意義。如果你安裝了 GNU Parallel，你可以跟著這個例子操作。

假設你有 4 個文件，按照每行一個文件的方式列出，具體如下：

$ echo ada > ada ; echo lovelace > lovelace
$ echo richard > richard ; echo stallman > stallman
$ ls -1
ada
lovelace
richard
stallman

你需要將兩個文件合併成第三個文件，後者同時包含前兩個文件的內容。這種情況下，Parallel 需要訪問兩個文件，使用 -I% 變數的方式不符合本例的預期。

Parallel 默認情況下讀取 1 個隊列對象：

$ ls -1 | parallel echo
ada
lovelace
richard
stallman

現在讓 Parallel 每個任務使用 2 個隊列對象：

$ ls -1 | parallel --max-args=2 echo
ada lovelace
richard stallman

現在，我們看到行已經併合並；具體而言，ls -1 的兩個查詢結果會被同時傳送給 Parallel。傳送給 Parallel 的參數涉及了任務所需的 2 個文件，但目前還只是 1 個有效參數：（對於兩個任務分別為）「ada lovelace」 和 「richard stallman」。你真正需要的是每個任務對應 2 個獨立的參數。

值得慶幸的是，Parallel 本身提供了上述所需的解析功能。如果你將 --max-args 設置為 2，那麼 {1} 和 {2} 這兩個變數分別代表傳入參數的第一和第二部分：

$ ls -1 | parallel --max-args=2 cat {1} {2} ">" {1}_{2}.person

在上面的命令中，變數 {1} 值為 ada 或 richard （取決於你選取的任務），變數 {2} 值為 lovelace 或 stallman。通過使用重定向符號（放到引號中，防止被 Bash 識別，以便 Parallel 使用），（兩個）文件的內容被分別重定向至新文件 ada_lovelace.person 和 richard_stallman.person。

$ ls -1
ada
ada_lovelace.person
lovelace
richard
richard_stallman.person
stallman

$ cat ada_*person
ada lovelace
$ cat ri*person
richard stallman

如果你整天處理大量幾百 MB 大小的日誌文件，那麼（上述）並行處理文本的方法對你幫忙很大；否則，上述例子只是個用於上手的示例。

然而，這種處理方法對於很多文本處理之外的操作也有很大幫助。下面是來自電影產業的真實案例，其中需要將一個目錄中的視頻文件和（對應的）音頻文件進行合併。

$ ls -1
12_LS_establishing-manor.avi
12_wildsound.flac
14_butler-dialogue-mixed.flac
14_MS_butler.avi
...略...

使用同樣的方法，使用下面這個簡單命令即可並行地合併文件：

$ ls -1 | parallel --max-args=2 ffmpeg -i {1} -i {2} -vcodec copy -acodec copy {1}.mkv

簡單粗暴的方式

上述花哨的輸入輸出處理不一定對所有人的口味。如果你希望更直接一些，可以將一堆命令甩給 Parallel，然後去幹些其它事情。

首先，需要創建一個文本文件，每行包含一個命令：

$ cat jobs2run
bzip2 oldstuff.tar
oggenc music.flac
opusenc ambiance.wav
convert bigfile.tiff small.jpeg
ffmepg -i foo.avi -v:b 12000k foo.mp4
xsltproc --output build/tmp.fo style/dm.xsl src/tmp.xml
bzip2 archive.tar

接著，將文件傳遞給 Parallel：

$ parallel --jobs 6 < jobs2run

現在文件中對應的全部任務都在被 Parallel 執行。如果任務數量超過允許的數目（LCTT 譯註：應該是 --jobs 指定的數目或默認值），Parallel 會創建並維護一個隊列，直到任務全部完成。

更多內容

GNU Parallel 是個強大而靈活的工具，還有很多很多用例無法在本文中講述。工具的 man 頁面提供很多非常酷的例子可供你參考，包括通過 SSH 遠程執行和在 Parallel 命令中使用 Bash 函數等。YouTube 上甚至有一個系列，包含大量操作演示，讓你可以直接從 GNU Parallel 團隊學習。GNU Paralle 的主要維護者還發布了官方使用指導手冊，可以從 Lulu.com 獲取。

GNU Parallel 有可能改變你完成計算的方式；即使沒有，也會至少改變你主機花在計算上的時間。馬上上手試試吧！

via: https://opensource.com/article/18/5/gnu-parallel

作者：Seth Kenlon 選題：lujun9972 譯者：pinewall 校對：wxy

本文由 LCTT 原創編譯，Linux中國 榮譽推出

本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive