如何利用多核CPU来加速你的Linux命令(GNU Parallel)
你是否曾经有过要计算一个非常大的数据(几百GB)的需求？或在里面搜索，或其它操作——一些无法并行的操作。数据专家们，我是在对你们说。你可能有一个4核或更多核的CPU，但我们合适的工具，例如grep,bzip2,wc,awk,sed等等，都是单线程的，只能使用一个CPU内核。
借用卡通人物Cartman的话，“如何我能使用这些内核”?
要想让Linux命令使用所有的CPU内核，我们需要用到GNUParallel命令，它让我们所有的CPU内核在单机内做神奇的map-reduce操作，当然，这还要借助很少用到的–pipes参数(也叫做–spreadstdin)。这样，你的负载就会平均分配到各CPU上，真的。
BZIP2
bzip2是比gzip更好的压缩工具，但它很慢！别折腾了，我们有办法解决这问题。
以前的做法：
catbigfile.bin|bzip2--best>compressedfile.bz2
现在这样：
catbigfile.bin|parallel--pipe--recend''-kbzip2--best>compressedfile.bz2
尤其是针对bzip2，GNUparallel在多核CPU上是超级的快。你一不留神，它就执行完成了。
GREP
如果你有一个非常大的文本文件，以前你可能会这样：
greppatternbigfile.txt
现在你可以这样：
catbigfile.txt|parallel--pipegrep'pattern'
或者这样：
catbigfile.txt|parallel--block10M--pipegrep'pattern'
这第二种用法使用了–block10M参数，这是说每个内核处理1千万行——你可以用这个参数来调整每个CUP内核处理多少行数据。
AWK
下面是一个用awk命令计算一个非常大的数据文件的例子。
常规用法：
catrands20M.txt|awk'{s+=$1}END{prints}'
现在这样：
catrands20M.txt|parallel--pipeawk\'{s+=\$1}END{prints}\'|awk'{s+=$1}END{prints}'
这个有点复杂：parallel命令中的–pipe参数将cat输出分成多个块分派给awk调用，形成了很多子计算操作。这些子计算经过第二个管道进入了同一个awk命令，从而输出最终结果。第一个awk有三个反斜杠，这是GNUparallel调用awk的需要。
WC
想要最快的速度计算一个文件的行数吗？
传统做法：
wc-lbigfile.txt
现在你应该这样：
catbigfile.txt|parallel--pipewc-l|awk'{s+=$1}END{prints}'
非常的巧妙，先使用parallel命令‘mapping'出大量的wc-l调用，形成子计算，最后通过管道发送给awk进行汇总。
SED
想在一个巨大的文件里使用sed命令做大量的替换操作吗？
常规做法：
seds^old^new^gbigfile.txt
现在你可以：
catbigfile.txt|parallel--pipeseds^old^new^g
…然后你可以使用管道把输出存储到指定的文件里。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。