针对特定应用程序更快地替代 bash `cut`

Question

我有一个非常大的制表符分隔文件。制表符分隔的文件是二进制的，将由该工具进行流式传输samtools（速度非常快，不是瓶颈）。现在我只想输出第一个选项卡之前的内容。

在我当前的管道命令中cut是瓶颈：

samtools view -@ 15 -F 0x100 file.bam | cut -f 1 | pigz > out.gz

我尝试使用awk '{print $1}'. This is not sufficiently faster I also tried using 平行in combination with切割，但这也不会提高太多速度。

我想最好有一个工具，它只输出字符串直到第一个选项卡，然后完全跳过整行。

您对更适合我的目的的工具有什么建议吗？我想，理想情况下，人们会编写一个小型 C 程序，但我的 C 有点生疏，所以对我来说会花费太长时间。

Answer 1

最后，在 htslib 开发人员（这是 samtools 的基础）的大力帮助下，我破解了一个小型 C 程序，它直接过滤 BAM 文件并写入 gzip。

所以不再需要管道。该解决方案比上面的 C 代码解决方案（来自 Stephan）大约快 3-4 倍。