03-28 周四 Linux 并行工具使用xargs和parallel

简介

程序猿日常工作开发中，免不了要和linux服务器打交道的，如何高效的使用shell命令来实现我们的功能呢，比如说如下的场景：

高效统计一个目录下每个目录的空间占用
高效将一个服务器上的文件拷贝到其他多个服务器上。
高效的启动多个服务器上的进程。

诸如此类的场景，如果手动，一个一个ssh-scp，太枯燥了。因此，我们便需要高效的并行工具，启动多进程的方式来实现我们的目标。

在Linux中，并发查询多个目录的磁盘占用可以通过多种方法实现。以下是一些可以提高效率的策略：

xargs

使用xargs与-P参数并行执行：
xargs命令可以将标准输入数据转换为命令行参数，并执行指定的命令。结合-P参数，可以指定并行进程的数量。

find /path/to/search -type d -print0 | xargs -0 -I {} -P 10 du -sh {}

在这个例子中，find命令用于查找所有目录，-print0和xargs -0确保了文件名中的特殊字符（如空格）被正确处理。-P 10指定了并行进程的数量，这里设置为10，你可以根据系统资源调整这个数值。
再提供另外两个实践
统计数据模型加载时间

ls  | grep 256  | xargs -t  -n 1 sh -c 'egrep "module data load time" $0 | tail -n 50'

使用5个进程统计当前目录下各个目录的空间大小

ls | grep -v \^[a-k] |xargs -I {} -P 5 sh -c "du -sh {}"

使用ls| grep -v 来过滤需要的目录，其中a-k已经统计过了。
下面是结合xargs和rsync将当前目录下的所有目录同步到远端机器上。

# 使用rsync同步imagenet目录到远端的gpfs目录下。
rsync -rvza -e "ssh -p 31022" imagenet root@10.106.11.11:/gpfs
rsync -rvza -e "ssh -p 31022" valfull root@10.106.11.11:/gpfs/imagenet
# 这个是代码目录

/mnt/sf-nfs/self-define/tanke/ddl/demo_code
ls | xargs -P 3 -I {} rsync -rvza -e "ssh -p 31022" {} root@10.106.11.11:/gpfs/demo_code

ls -l1 | grep '^d' | sort -k 9 | awk -F " " '{print $9}' | xargs -I {} -P 48 sh -c "du -sh {}"

下面是一些其他的例子
xargs 是一个非常有用的命令行工具，它可以构建并执行命令行，这些命令行由标准输入或管道传递的数据生成。以下是一些 xargs 的示例命令及其解释：

基本使用：
```
echo -e "apple\nbanana\ncherry" | xargs echo "Fruit: "
```
这个命令会将 “apple”、“banana” 和 “cherry” 作为输入，并通过 xargs 传递给 echo 命令，输出为 “Fruit: apple”、“Fruit: banana” 和 “Fruit: cherry”。
使用 -I 选项进行替换：
```
echo -e "apple\nbanana\ncherry" | xargs -I % echo "Fruit: %"
```
-I 选项允许你指定一个替换字符串（在这里是 %），它在命令中被输入项替换。输出结果与上一个例子相同，但使用了不同的方法。
限制并行进程数：
```
find . -name "*.txt" | xargs -P 5 rm -f
```
-P 选项允许你指定同时运行的最大进程数。在这个例子中，find 命令查找所有 .txt 文件，然后 xargs 并行删除这些文件，最多同时运行 5 个 rm 进程。
使用 -n 选项指定每次调用的参数数量：
```
seq 10 | xargs -n 2 echo "Number: "
```
-n 选项指定每次调用命令时传递的参数数量。在这个例子中，seq 10 生成 10 个数字，xargs 每次传递两个数字给 echo 命令，输出为 “Number: 1 2”、“Number: 3 4” 等。
使用 -d 选项定义输入项分隔符：
```
echo -e "apple,banana,cherry" | xargs -d ',' echo "Fruit: "
```
-d 选项允许你指定输入项的分隔符。在这个例子中，分隔符是逗号 ,，xargs 会为每个水果名称执行 echo 命令。
使用 -p 选项进行交互式执行：
```
ls | xargs -p rm -f
```
-p 选项会在执行每个命令之前提示用户确认。在这个例子中，ls 列出当前目录的文件，xargs 准备删除这些文件，但在删除前会询问用户。
结合 xargs 和 awk 进行复杂操作：
```
find . -type f -name "*.txt" | awk -F '/' '{print $NF}' | sort | uniq | xargs -I % touch %
```
这个命令链首先查找所有 .txt 文件，然后 awk 提取文件名，sort 和 uniq 去除重复项，最后 xargs 为每个唯一的文件名创建一个新的空文件。
使用 -0 和 --null 选项处理包含空格和特殊字符的文件名：
```
find . -type f -print0 | xargs -0 rm -f
```
-0 选项告诉 xargs 输入项是以 null 字符分隔的，这对于处理包含空格、引号或其他特殊字符的文件名非常有用。

这些例子展示了 xargs 的多种用法，包括基本的文本处理、并行执行、交互式确认以及处理特殊字符和空格。在使用 xargs 时，请确保理解每个选项的含义，以避免意外的行为。

parallel

. 使用parallel命令：
parallel是一个shell工具，用于在多个核心上并行执行任务。如果你的系统安装了parallel，可以使用以下命令：

find /path/to/search -type d | parallel du -sh {}

parallel会自动根据系统的核心数来决定并行任务的数量。你也可以使用--jobs参数来手动指定并行任务数。

parallel 是一个非常强大的命令行工具，它允许你并行执行任务。以下是一些 parallel 的例子，展示了不同参数的用法：

基本使用：
```
parallel echo ::: a b c
```
这个命令会并行地输出 a、b 和 c。默认情况下，parallel 会尝试使用所有可用的 CPU 核心。
指定任务数：
```
parallel -j 4 echo ::: a b c d e f g h
```
使用 -j 参数来指定同时运行的任务数。在这个例子中，parallel 会尝试同时运行 4 个任务。
使用百分比：
```
parallel -j 50% echo ::: a b c d e f g h
```
使用百分比来指定任务数。在这个例子中，parallel 会使用系统可用 CPU 核心的 50% 来运行任务。
串行任务：
```
parallel -j 1 echo ::: a b c
```
设置 -j 1 会使得所有任务串行执行，即使有多个输入项。
使用不同的任务模板：
```
parallel 'echo {} is a fruit' ::: apple orange banana
```
这个命令会输出每个水果名称后面跟着 “is a fruit”。{} 是一个占位符，代表输入项。
使用重定向文件作为输入：
```
parallel 'echo {} is a fruit' :::: fruits.txt
```
使用 ::: 从文件 fruits.txt 中读取输入项。
并行删除多个文件：
```
parallel 'rm {}' ::: /path/to/file1 /path/to/file2 /path/to/file3
```
使用 parallel 并行删除指定的文件。请谨慎使用，因为 rm 命令会永久删除文件。
使用shell命令作为任务：
```
parallel 'bash -c "echo {}; sleep 1"' ::: a b c
```
执行一个复杂的shell命令，这里每个任务都会输出一个字母，然后暂停1秒。
限制内存使用：
```
parallel -j 4 --block 20% 'bash -c "echo {}; sleep 1"' ::: a b c
```
使用 --block 参数来限制任务的内存使用。在这个例子中，每个任务将尝试使用不超过系统可用内存的 20%。
使用嵌套循环：
```
parallel 'echo {} is {}' ::: a b c ::: 1 2 3
```
使用两个输入列表，parallel 会将第一个列表中的每个元素与第二个列表中的每个元素组合，并执行命令。

这些例子展示了 parallel 的一些基本用法和参数。在实际使用中，你可能需要根据具体任务调整参数。在使用 parallel 时，请确保理解每个参数的含义，以避免意外的行为。

编写脚本或使用循环：

你可以编写一个简单的shell脚本或使用循环结构来并发执行du命令。

#!/bin/bash
directories=(/path/to/dir1 /path/to/dir2 /path/to/dir3)
for i in "${directories[@]}"; do
   du -sh "$i" &
done
wait

这个脚本会并发地对每个目录执行du -sh命令，&将命令放入后台执行。wait命令用于等待所有后台任务完成。

使用`subprocess`模块（Python）：

如果你熟悉Python编程，可以使用subprocess模块来并发执行多个du命令。

import subprocess

directories = ["/path/to/dir1", "/path/to/dir2", "/path/to/dir3"]
processes = []

for directory in directories:
    p = subprocess.Popen(["du", "-sh", directory])
    processes.append(p)

for proc in processes:
    proc.wait()