GNU Parallel指南

原创
2014/06/01 22:05
阅读数 3.8W

GNU Parallel

它是什么?

GNU Parallel是一个shell工具,为了在一台或多台计算机上并行的执行计算任务,一个计算任务可以是一条shell命令或者一个以每一行做为输入的脚本程序。通常的输入是文件列表、主机列表、用户列表、URL列表或者表格列表;一个计算任务也可以是一个从管道读取的一条命令。GNU Parallel会把输入分块,然后通过管道并行的执行。

如果你会使用xargs和tee命令,你会发现GNU Parallel非常易于使用,因为GNU Parallel具有与xargs一样的选项。GNU Parallel可以替代大部分的shell循环,并且用并行的方式更快的完成计算任务。

GNU Parallel保证它的输出与顺序执行计算任务时是一样的,这样就可以方便的把GNU Parallel的输出做为其它程序的输入。

对于每一行输入,GNU Parallel会把这一行做为参数来运行指定的命令。如果没有给出命令,那么这一行会被当做命令执行。多行输入会并行的运行。GNU Parallel经常被用于替代xargs或者cat | bash。

指南

本教程展示了绝大多数GNU Parallel的功能。旨在介绍GNU Parallel中的一个选项,而非讲解真实世界中使用的例子。花一个小时的时间学习本教程,你会由此爱上上命令行。

预备

为了执行本教程中的示例,你首先需要做如下准备:

parallel >= version 20130814

安装最新版:

(wget -O - pi.dk/3 || curl pi.dk/3/) | bash

这条命令同时也会安装最新版的指南

man parallel_tutorial

本教程的大部分内容同时也兼容旧版本。

abc-file

生成文件:

parallel -k echo ::: A B C > abc-file

def-file

生成文件:

parallel -k echo ::: D E F > def-file

abc0-file

生成文件:

perl -e 'printf "A\0B\0C\0"' > abc0-file

abc_-file

生成文件:

perl -e 'printf "A_B_C_"' > abc_-file

tsv_file.tsv

生成文件:

perl -e 'printf "f1\tf2\nA\tB\nC\tD\n"' > tsv-file.tsv

num30000

生成文件:

perl -e 'for(1..30000){print "$_\n"}' > num30000

num1000000

生成文件:

perl -e 'for(1..1000000){print "$_\n"}' > num1000000

num_%header

生成文件:

(echo %head1; echo %head2; perl -e 'for(1..10){print "$_\n"}') > num_%header

远程执行:ssh免密码登录$SERVER1和$SERVER2

生成文件:

SERVER1=server.example.com
SERVER2=server2.example.net

最后应该成功运行如下命令:

ssh $SERVER1 echo works
ssh $SERVER2 echo works

使用 ssh-keygen -t dsa; ssh-copy-id $SERVER1 建立环境(使用empty pass phrase)

输入源

GNU Parallel的输入源支持文件、命令行和标准输入(stdin或pipe)

单个输入源

从命令行读取输入:

parallel echo ::: A B C

输出(由于任务以并行的方式执行,顺序可能会有所不同):

A
B
C

文件做为输入源:

parallel -a abc-file echo

输出同上。

STDIN(标准输入)做为输入源:

cat abc-file | parallel echo

输出同上。

多输入源

GNU Parallel支持通过命令行指定多个输入源,它会生成所有的组合:

parallel echo ::: A B C ::: D E F

输出:

A D
A E
A F
B D
B E
B F
C D
C E
C F

多个文件做为输入源:

parallel -a abc-file -a def-file echo

输出同上。

STDIN(标准输入)可以做为输入源中的一个,使用“-”:

cat abc-file | parallel -a - -a def-file echo

输出同上。

可以使用“::::”替代 -a:

cat abc-file | parallel echo :::: - def-file

输出同上。

::: 和 :::: 可以混合使用:

parallel echo ::: A B C :::: def-file

输出同上。

适配参数

--xapply 从每一个输入源取一个参数:

parallel --xapply echo ::: A B C ::: D E F

输出:

A D
B E
C F

如果其中一个输入源的长度比较短,它的值会被重复:

parallel --xapply echo ::: A B C D E ::: F G

输出:

A F
B G
C F
D G
E F

改变参数分隔符

GNU Parallel可以指定分隔符替代 ::: 或 ::::,当这两个符号被其它命令占用的时候会特别有用:

parallel --arg-sep ,, echo ,, A B C :::: def-file

输出:

A D
A E
A F
B D
B E
B F
C D
C E
C F

改变参数分隔符:

parallel --arg-file-sep // echo ::: A B C // def-file

输出同上。

改变参数定界符

GNU Parallel默认把一行做为一个参数:使用 \n 做为参数定界符。可以使用 -d 改变:

parallel -d _ echo :::: abc_-file

输出:

A
B
C

\0 代表NULL:

parallel -d '\0' echo :::: abc0-file

输出同上。 -0 是 -d '\0' 的简写(通常用于从 find ... -print0读取输入):

parallel -0 echo :::: abc0-file

输出同上。

输入源中的结束值

GNU Parallel支持指定一个值做为结束标志:

parallel -E stop echo ::: A B stop C D

输出:

A
B

跳过空行

使用 --no-run-if-empty 来跳过空行:

(echo 1; echo; echo 2) | parallel --no-run-if-empty echo

输出:

1
2

构建命令行

没有指定命令意味着参数就是命令

如果parallel之后没有给定命令,那么这些参数会被当做命令:

parallel ::: ls 'echo foo' pwd

输出:

[当前文件列表]
foo
[当前工作目录的路径]

命令可以是一个脚本文件,一个二进制可执行文件或一个bash的函数(须用 export -f 导出函数):

# Only works in Bash and only if $SHELL=.../bash
my_func() {
  echo in my_func $1
}
export -f my_func
parallel my_func ::: 1 2 3

输出:

in my_func 1
in my_func 2
in my_func 3

替换字符串

5种替换字符串

GNU Parallel支持多种替换字符串。默认使用 {}:

parallel echo ::: A/B.C

输出:

A/B.C

指定 {} :

parallel echo {} ::: A/B.C

输出同上 去掉扩展名 {.}:

parallel echo {.} ::: A/B.C

输出

A/B

去掉路径 {/}:

parallel echo {/} ::: A/B.C

输出:

B.C

只保留路径 {//}:

parallel echo {//} ::: A/B.C

输出:

A

去掉路径和扩展名 {/.}:

parallel echo {/.} ::: A/B.C

输出:

B

输出任务编号:

parallel echo {#} ::: A/B.C

输出:

1
2
3

改变替换字符串

使用 -I 改变替换字符串符号 {}:

parallel -I ,, echo ,, ::: A/B.C

输出:

A/B.C

--extensionreplace替换 {.}:

parallel --extensionreplace ,, echo ,, ::: A/B.C

输出:

A/B

--basenamereplace替换 {/}:

parallel --basenamereplace ,, echo ,, ::: A/B.C

输出:

B.C

--dirnamereplace替换 {//}:

parallel --dirnamereplace ,, echo ,, ::: A/B.C

输出:

A

--basenameextensionreplace替换 {/.}:

parallel --basenameextensionreplace ,, echo ,, ::: A/B.C

输出:

B

--seqreplace替换 {#}:

parallel --seqreplace ,, echo ,, ::: A B C

输出:

1
2
3

指定位置替换字符串

如果有多个输入源时,可以通过 {编号} 指定某一个输入源的参数:

parallel echo {1} and {2} ::: A B ::: C D

输出:

A and C
A and D
B and C
B and D

可以使用 / // /. 和 .: 改变指定替换字符串:

parallel echo /={1/} //={1//} /.={1/.} .={1.} ::: A/B.C D/E.F

输出:

/=B.C //=A /.=B .=A/B
/=E.F //=D /.=E .=D/E

位置可以是负数,表示倒着数:

parallel echo 1={1} 2={2} 3={3} -1={-1} -2={-2} -3={-3} ::: A B ::: C D ::: E F

输出:

1=A 2=C 3=E -1=E -2=C -3=A
1=A 2=C 3=F -1=F -2=C -3=A
1=A 2=D 3=E -1=E -2=D -3=A
1=A 2=D 3=F -1=F -2=D -3=A
1=B 2=C 3=E -1=E -2=C -3=B
1=B 2=C 3=F -1=F -2=C -3=B
1=B 2=D 3=E -1=E -2=D -3=B
1=B 2=D 3=F -1=F -2=D -3=B

按列输入

使用 --colsep 把文件中的行切分为列,做为输入参数。下面使用TAB(\t):

1=f1 2=f2
1=A 2=B
1=C 2=D

指定参数名

使用 --header 把每一行输入中的第一个值做为参数名:

parallel --header : echo f1={f1} f2={f2} ::: f1 A B ::: f2 C D

输出:

f1=A f2=C
f1=A f2=D
f1=B f2=C
f1=B f2=D

使用 --colsep 处理使用TAB做为分隔符的文件:

parallel --header : --colsep '\t' echo f1={f1} f2={f2} :::: tsv-file.tsv

输出:

f1=A f2=B
f1=C f2=D

多参数

--xargs 让GNU Parallel支持一行多个参数(可以指定上限):

cat num30000 | parallel --xargs echo | wc -l

输出:

2

30000个参数被分为两行。 一行中的参数个数的上限通过 -s 指定。下面指定最大长度是10000,会被分为17行:

cat num30000 | parallel --xargs -s 10000 echo | wc -l

输出:

17

为了获得更好的并发性,GNU Parallel会在文件读取结束后再分发参数。

GNU Parallel 在读取完最后一个参数之后,才开始第二个任务,此时会把所有的参数平均分配到4个任务(如果指定了4个任务)。

第一个任务与上面使用 --xargs 的例子一样,但是第二个任务会被平均的分成4个任务,最终一共5个任务。

cat num30000 | parallel --jobs 4 -m echo | wc -l

输出:

5

10分参数分配到4个任务可以看得更清晰:

parallel --jobs 4 -m echo ::: {1..10}

输出:

1 2 3
4 5 6 
7 8 9
10

替换字符串可以是单词的一部分。通过下面两个命令体会 -m 和 -X 的区别:

parallel --jobs 4 -m echo pre-{}-post ::: A B C D E F G

输出:

pre-A B-post
pre-C D-post
pre-E F-post
pre-G-post

-X与 -m 相反:

parallel --jobs 4 -X echo pre-{}-post ::: A B C D E F G

输出:

pre-A-post pre-B-post
pre-C-post pre-D-post
pre-E-post pre-F-post
pre-G-post

使用 -N 限制每行参数的个数:

parallel -N3 echo ::: A B C D E F G H

输出:

A B C
D E F
G H

-N也可以用于指定位置替换字符串:

parallel -N3 echo 1={1} 2={2} 3={3} ::: A B C D E F G H

输出:

1=A 2=B 3=C
1=D 2=E 3=F
1=G 2=H 3=

-N0 只读取一个参数,但不附加:

parallel -N0 echo foo ::: 1 2 3

输出:

foo
foo
foo

引用

如果命令行中包含特殊字符,就需要使用引号保护起来。

perl脚本 'print "@ARGV\n"' 与linux的 echo 的功能一样。

perl -e 'print "@ARGV\n"' A

输出:

A

使用GNU Parallel运行这条命令的时候,perl命令需要用引号包起来:

parallel perl -e 'print "@ARGV\n"' ::: This wont work

输出:

[Nothing]

使用 -q 保护perl命令:

parallel -q perl -e 'print "@ARGV\n"' ::: This works

输出:

This
works

也可以使用 ' :

parallel perl -e \''print "@ARGV\n"'\' ::: This works, too

输出:

This
works,
too

使用 -quote:

parallel --shellquote
parallel: Warning: Input is read from the terminal. Only experts do this on purpose. Press CTRL-D to exit.
perl -e 'print "@ARGV\n"'
[CTRL-D]

输出:

perl\ -e\ \'print\ \"@ARGV\\n\"\'

也可以使用命令:

parallel perl\ -e\ \'print\ \"@ARGV\\n\"\' ::: This also works

输出:

This
also
works

去除空格

使用 --trim 去除参数两头的空格:

parallel --trim r echo pre-{}-post ::: ' A '

输出:

pre- A-post

删除左边的空格:

parallel --trim l echo pre-{}-post ::: ' A '

输出:

pre-A -post

删除两边的空格:

parallel --trim lr echo pre-{}-post ::: ' A '

输出:

pre-A-post

控制输出

以参数做为输出前缀:

parallel --tag echo foo-{} ::: A B C

输出:

A       foo-A
B       foo-B
C       foo-C

修改输出前缀 --tagstring:

parallel --tagstring {}-bar echo foo-{} ::: A B C

输出:

A-bar       foo-A
B-bar       foo-B
C-bar       foo-C

查看有哪些命令会被执行:

parallel --dryrun echo {} ::: A B C

输出:

echo A
echo B
echo C

运行之前先打印命令 --verbose:

parallel --verbose echo {} ::: A B C

输出:

echo A
echo B
A
echo C
B
C

GNU Parallel 会延迟输出,直到命令执行完成:

parallel -j2 'printf "%s-start\n%s" {} {};sleep {};printf "%s\n" -middle;echo {}-end' ::: 4 2 1

输出:

2-start
2-middle
2-end
1-start
1-middle
1-end
4-start
4-middle
4-end

立即打印输出 --ungroup:

parallel -j2 --ungroup 'printf "%s-start\n%s" {} {};sleep {};printf "%s\n" -middle;echo {}-end' ::: 4 2 1

输出:

4-start
42-start
2-middle
2-end
1-start
1-middle
1-end
-middle
4-end

使用 --ungroup 会很快,但会导致输出错乱,一个任务的行输出可能会被另一个任务的输出截断。像上例所示,第二行输出混合了两个任务: '4-middle' '2-start'

使用 --linebuffer避免这个问题(稍慢一点):

parallel -j2 --linebuffer 'printf "%s-start\n%s" {} {};sleep {};printf "%s\n" -middle;echo {}-end' ::: 4 2 1

输出:

4-start
2-start
2-middle
2-end
1-start
1-middle
1-end
4-middle
4-end

强制使输出与参数保持顺序 --keep-order/-k:

parallel -j2 -k 'printf "%s-start\n%s" {} {};sleep {};printf "%s\n" -middle;echo {}-end' ::: 4 2 1

输出:

4-start
4-middle
4-end
2-start
2-middle
2-end
1-start
1-middle
1-end

把输出保存到文件中

GNU Parallel可以把每一个任务的输出保存到文件中:

parallel --files ::: A B C

输出与下面类似:

/tmp/pAh6uWuQCg.par
/tmp/opjhZCzAX4.par
/tmp/W0AT_Rph2o.par

临时文件默认保存在 /tmp 中,可以使用 --tmpdir改变(或者修改 $TMPDIR):

parallel --tmpdir /var/tmp --files ::: A B C

输出:

/var/tmp/pAh6uWuQCg.par
/var/tmp/opjhZCzAX4.par
/var/tmp/W0AT_Rph2o.par

或者修改 $TMPDIR :

TMPDIR=/var/tmp parallel --files ::: A B C

输出同上。

输出文件可以有结构的保存 --results:

parallel --results outdir echo ::: A B C

输出:

A
B
C

输出文件不仅包含标准输出(stdout)也会包含标准错误输出(stderr):

outdir/1/A/stderr
outdir/1/A/stdout
outdir/1/B/stderr
outdir/1/B/stdout
outdir/1/C/stderr
outdir/1/C/stdout

在使用多个变量的时候会显示很有用:

parallel --header : --results outdir echo ::: f1 A B ::: f2 C D

生成的文件:

outdir/f1/A/f2/C/stderr
outdir/f1/A/f2/C/stdout
outdir/f1/A/f2/D/stderr
outdir/f1/A/f2/D/stdout
outdir/f1/B/f2/C/stderr
outdir/f1/B/f2/C/stdout
outdir/f1/B/f2/D/stderr
outdir/f1/B/f2/D/stdout

控制执行

并行任务数

使用 --jobs/-j 指定并行任务数:

/usr/bin/time parallel -N0 -j64 sleep 1 ::: {1..128}

使用64个任务执行128个休眠命令,大概耗时2到8秒。

默认情况下并行任务数与cpu核心数相同,所以这条命令:

/usr/bin/time parallel -N0 sleep 1 ::: {1..128}

会比每个cpu两个任务的耗时多一倍:

/usr/bin/time parallel -N0 --jobs 200% sleep 1 ::: {1..128}

使用 --jobs 0 表示执行尽可能多的并行任务:

/usr/bin/time parallel -N0 --jobs 0 sleep 1 ::: {1..128}

通常耗时1到7秒。

可以从文件中读取并行任务数,这样的话,每个任务完成的时候都会重新读取一次文件:

echo 50% > my_jobs
/usr/bin/time parallel -N0 --jobs my_jobs sleep 1 ::: {1..128} &
sleep 1
echo 0 > my_jobs
wait

前两个任务都是只用了一半的cpu,当文件内容变成0之后,后面的任务就会尽可能多的并行执行。

除了基于cpu使用率之外,也可以基于cpu数:

parallel --use-cpus-instead-of-cores -N0 sleep 1 ::: {1..128}

交互

通过使用 --interactive 在一个任务执行之前让用户决定是否执行:

parallel --interactive echo ::: 1 2 3

输出:

echo 1 ?...y
echo 2 ?...n
1
echo 3 ?...y
3

未完,待续

展开阅读全文
打赏
3
15 收藏
分享
加载中
打赏
0 评论
15 收藏
3
分享
返回顶部
顶部