如何使用大(数百万)个文件的grep来搜索字符串并在几分钟内得到结果

Question

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？

我在一台服务器机器上运行此搜索,该机器具有超过50GB的可用RAM和14个CPU内核.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.

Answer 1

你应该删除-0参数xargs和up -n参数:

... | xargs -n16 ...

Answer 2

这不是那么大的文件堆栈(对10⁷文件的赞誉 - 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.如果我使用管道STDOUT来抑制输出,则运行时间没有太大差异/dev/null.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