从node.js,更快,shell grep或fs.readFile？

Question

我有一个长期运行的node.js进程,我需要扫描日志文件中的模式.我至少有两个明显的选择:生成一个grep进程或使用fs.read*读取文件并解析node.js中的缓冲区/流.我没有在intarwebs上找到两种方法的比较.我的问题是双重的:

1. 哪个更快？
2. 为什么我更喜欢一种技术呢？

Answer 1

这是我的nodejs实现,结果非常符合预期:小文件比分叉grep(文件高达2-3k短行)运行得更快,大文件运行速度更慢.文件越大,差异越大.(也许正则表达式越复杂,差异越小 - 见下文.)

我使用自己的qfgets包来实现快速的一次性文件i/o; 那里可能有更好的,我不知道.

我看到一个意外的异常,我没有调查:下面的时间是常量字符串regexp /foobar/.当我将其更改 /[f][o][o][b][a][r]/为实际运行正则表达式引擎时,grep减速3倍,而节点加速!grep的3倍减速可在命令行上重现.

filename = "/var/log/apache2/access.log";     // 2,540,034 lines, 187MB
//filename = "/var/log/messages";             // 25,703 lines, 2.5MB
//filename = "out";                           // 2000 lines, 188K (head -2000 access.log)
//filename = "/etc/motd";                     // 7 lines, 286B
regexp = /foobar/;

child_process = require('child_process');
qfgets = require('qfgets');

function grepWithFs( filename, regexp, done ) {
    fp = new qfgets(filename, "r");
    function loop() {
        for (i=0; i<40; i++) {
            line = fp.fgets();
            if (line && line.match(regexp)) process.stdout.write(line);
        }
        if (!fp.feof()) setImmediate(loop);
        else done();
    }
    loop();
}

function grepWithFork( filename, regexp, done ) {
    cmd = "egrep '" + regexp.toString().slice(1, -1) + "' " + filename;
    child_process.exec(cmd, {maxBuffer: 200000000}, function(err, stdout, stderr) {
        process.stdout.write(stdout);
        done(err);
    });
}

考试:

function fptime() { t = process.hrtime(); return t[0] + t[1]*1e-9 }

t1 = fptime();
if (0) {
    grepWithFs(filename, regexp, function(){
        console.log("fs done", fptime() - t1);
    });
}
else {
    grepWithFork(filename, regexp, function(err){
        console.log("fork done", fptime() - t1);
    });
}

结果:

/**
results (all file contents memory resident, no disk i/o):
times in seconds, best run out of 5

/foobar/
             fork   fs
motd        .00876  .00358  0.41 x  7 lines
out         .00922  .00772  0.84 x  2000 lines
messages    .0101   .0335   3.32 x  25.7 k lines
access.log  .1367   1.032   7.55 x  2.54 m lines

/[f][o][o][b][a][r]/
access.log  .4244   .8348   1.97 x  2.54 m lines

**/

(上面的代码都是一个文件,我将其拆分以避免滚动条)

编辑:突出显示关键结果:

185MB,254万行,搜索RegExp/[f] [o] [o] [b] [a] [r] /:

grepWithFs

已过去:.83秒

grepWithFork

已过去:.42秒

Answer 2

为了回答这个问题，我写了这个小程序。

#!/usr/local/bin/node
'use strict';

const fs = require('fs');
const log = '/var/log/maillog';
const fsOpts = { flag: 'r', encoding: 'utf8' };
const wantsRe = new RegExp(process.argv[2]);

function handleResults (err, data) {
    console.log(data);
}

function grepWithFs (file, done) {
    fs.readFile(log, fsOpts, function (err, data) {
        if (err) throw (err);
        let res = '';
        data.toString().split(/\n/).forEach(function (line) {
            if (wantsRe && !wantsRe.test(line)) return;
            res += line + '\n';
        });
        done(null, res);
    });
};

function grepWithShell (file, done) {
    const spawn = require('child_process').spawn;
    let res = '';

    const child = spawn('grep', [ '-e', process.argv[2], file ]);
    child.stdout.on('data', function (buffer) { res += buffer.toString(); });
    child.stdout.on('end', function() { done(null, res); });
};

for (let i=0; i < 10; i++) {
    // grepWithFs(log, handleResults);
    grepWithShell(log, handleResults);
}

然后，我交替在循环内运行这两个函数 10 倍，并测量它们从代表我的用例的日志文件中 grep 结果所需的时间：

$ ls -alh /var/log/maillog
-rw-r--r--  1 root  wheel    37M Feb  8 16:44 /var/log/maillog

文件系统是一对镜像 SSD，通常速度足够快，因此不是瓶颈。结果如下：

grepWithShell

$ time node logreader.js 3E-4C03-86DD-FB6EF

real    0m0.238s
user    0m0.181s
sys     0m1.550s

grepWithFs

$ time node logreader.js 3E-4C03-86DD-FB6EF

real    0m6.599s
user    0m5.710s
sys     0m1.751s

差异是巨大的。使用 shell grep 过程要快得多。正如 Andras 指出的，节点的 I/O 可能很棘手，而且我没有尝试任何其他 fs.read* 方法。如果有更好的方法，请指出（最好有类似的测试场景和结果）。