UNIX sort
आदेश इस तरह एक बहुत बड़ी फ़ाइल को सॉर्ट कर सकता है:
sort large_file
सॉर्ट एल्गोरिथ्म कैसे कार्यान्वित किया जाता है?
यह कैसे आता है स्मृति की अत्यधिक खपत का कारण नहीं है?
UNIX sort
आदेश इस तरह एक बहुत बड़ी फ़ाइल को सॉर्ट कर सकता है:
sort large_file
सॉर्ट एल्गोरिथ्म कैसे कार्यान्वित किया जाता है?
यह कैसे आता है स्मृति की अत्यधिक खपत का कारण नहीं है?
जवाबों:
यूनिक्स क्रमबद्ध कमान की एल्गोरिथम विवरण यूनिक्स क्रमबद्ध एक बाहरी आर-वे मर्ज छँटाई एल्गोरिथ्म का उपयोग करता है। लिंक अधिक विवरण में जाता है, लेकिन संक्षेप में यह इनपुट को छोटे भागों में विभाजित करता है (जो मेमोरी में फिट होता है) और फिर अंत में प्रत्येक भाग को एक साथ मर्ज करता है।
sort
आदेश दुकानों में काम कर रहे अस्थायी डिस्क फाइल में डेटा (आमतौर पर में /tmp
)।
-T
अस्थायी dir को निर्दिष्ट करने के लिए उपयोग करें
चेतावनी: यह स्क्रिप्ट प्रति शेल एक शेल शुरू होती है, वास्तव में बड़ी फ़ाइलों के लिए, यह सैकड़ों हो सकती है।
यहाँ एक स्क्रिप्ट है जो मैंने इस उद्देश्य के लिए लिखी है। एक 4 प्रोसेसर मशीन पर यह 100% की तरह प्रदर्शन में सुधार!
#! /bin/ksh
MAX_LINES_PER_CHUNK=1000000
ORIGINAL_FILE=$1
SORTED_FILE=$2
CHUNK_FILE_PREFIX=$ORIGINAL_FILE.split.
SORTED_CHUNK_FILES=$CHUNK_FILE_PREFIX*.sorted
usage ()
{
echo Parallel sort
echo usage: psort file1 file2
echo Sorts text file file1 and stores the output in file2
echo Note: file1 will be split in chunks up to $MAX_LINES_PER_CHUNK lines
echo and each chunk will be sorted in parallel
}
# test if we have two arguments on the command line
if [ $# != 2 ]
then
usage
exit
fi
#Cleanup any lefover files
rm -f $SORTED_CHUNK_FILES > /dev/null
rm -f $CHUNK_FILE_PREFIX* > /dev/null
rm -f $SORTED_FILE
#Splitting $ORIGINAL_FILE into chunks ...
split -l $MAX_LINES_PER_CHUNK $ORIGINAL_FILE $CHUNK_FILE_PREFIX
for file in $CHUNK_FILE_PREFIX*
do
sort $file > $file.sorted &
done
wait
#Merging chunks to $SORTED_FILE ...
sort -m $SORTED_CHUNK_FILES > $SORTED_FILE
#Cleanup any lefover files
rm -f $SORTED_CHUNK_FILES > /dev/null
rm -f $CHUNK_FILE_PREFIX* > /dev/null
इसे भी देखें: " शेल स्क्रिप्ट के साथ बड़ी फ़ाइलों को तेजी से सॉर्ट करना "
मैं कार्यक्रम से परिचित नहीं हूं, लेकिन मुझे लगता है कि यह बाहरी छँटाई के माध्यम से किया जाता है (ज्यादातर समस्या अस्थायी फ़ाइलों में होती है जबकि समस्या का अपेक्षाकृत छोटा हिस्सा एक समय में स्मृति में होता है)। डोनाल्ड नथ के कंप्यूटर प्रोग्रामिंग के कला, वॉल्यूम देखें। 3 छंटाई और खोज, विषय की बहुत गहन चर्चा के लिए खंड 5.4 ।
#!/bin/bash
usage ()
{
echo Parallel sort
echo usage: psort file1 file2
echo Sorts text file file1 and stores the output in file2
}
# test if we have two arguments on the command line
if [ $# != 2 ]
then
usage
exit
fi
pv $1 | parallel --pipe --files sort -S512M | parallel -Xj1 sort -S1024M -m {} ';' rm {} > $2
प्रदर्शन की गति के प्रकार पर ध्यान से देखें और समझें कि यह आपकी मशीन और समस्या पर प्रभाव डाल रहा है। Ubuntu पर प्रमुख पैरामीटर हैं
प्रश्नकर्ता पूछता है "कोई उच्च स्मृति उपयोग क्यों?" इसका उत्तर इतिहास से मिलता है, पुरानी यूनिक्स मशीनें छोटी थीं और डिफ़ॉल्ट मेमोरी का आकार छोटा था। अपने वर्कलोड को बड़े पैमाने पर सुधारने के लिए जितना संभव हो उतना बड़ा समायोजित करें। अपने सबसे तेज़ डिवाइस पर काम करने वाली निर्देशिका को उस स्थान पर सेट करें जिसमें कम से कम 1.25 * फ़ाइल के आकार को रखने के लिए पर्याप्त जगह हो।
मेमोरी में समस्या नहीं होनी चाहिए - सॉर्ट पहले से ही ध्यान रखता है। यदि आप अपने मल्टी-कोर सीपीयू का इष्टतम उपयोग करना चाहते हैं, तो मैंने इसे एक छोटी सी स्क्रिप्ट में लागू किया है (कुछ ऐसे ही जो आपको नेट पर मिल सकते हैं, लेकिन उनमें से अधिकांश की तुलना में सरल / क्लीनर;))।
#!/bin/bash
# Usage: psort filename <chunksize> <threads>
# In this example a the file largefile is split into chunks of 20 MB.
# The part are sorted in 4 simultaneous threads before getting merged.
#
# psort largefile.txt 20m 4
#
# by h.p.
split -b $2 $1 $1.part
suffix=sorttemp.`date +%s`
nthreads=$3
i=0
for fname in `ls *$1.part*`
do
let i++
sort $fname > $fname.$suffix &
mres=$(($i % $nthreads))
test "$mres" -eq 0 && wait
done
wait
sort -m *.$suffix
rm $1.part*