Распараллелить скрипт Bash с максимальным количеством процессов

bash

35147 просмотра

16 ответа

5969 Репутация автора

Допустим, у меня есть цикл в Bash:

for foo in `some-command`
do
   do-something $foo
done

do-somethingсвязан с процессором, и у меня есть хороший блестящий 4-ядерный процессор. Я хотел бы иметь возможность запускать до 4 do-something-х одновременно.

Наивный подход выглядит так:

for foo in `some-command`
do
   do-something $foo &
done

Это будет работать все do-something сразу с, но есть пара минусов, в основном , которые-то , возможно , также имеют некоторый существенный ввод / вывод , которые исполняющее все сразу может замедлить немного. Другая проблема заключается в том, что этот блок кода возвращается немедленно, поэтому невозможно выполнить другую работу, когда все do-somethingоперации завершены.

Как бы вы написали этот цикл, чтобы всегда были do-somethingзапущены X- ы одновременно?

Автор: thelsdj Источник Размещён: 01.09.2008 04:47

Ответы (16)


11 плюса

20287 Репутация автора

Вместо простого bash, используйте Makefile, затем укажите количество одновременных заданий, make -jXгде X - количество одновременно выполняемых заданий.

Или вы можете использовать wait(" man wait"): запустить несколько дочерних процессов, вызвать wait- он завершится, когда дочерние процессы завершатся.

maxjobs = 10

foreach line in `cat file.txt` {
 jobsrunning = 0
 while jobsrunning < maxjobs {
  do job &
  jobsrunning += 1
 }
wait
}

job ( ){
...
}

Если вам нужно сохранить результат задания, присвойте его результат переменной. После waitтого, как вы просто проверите, что содержит переменная.

Автор: skolima Размещён: 01.09.2008 04:50

8 плюса

2945 Репутация автора

Может быть, попробуйте утилиту распараллеливания вместо переписывания цикла? Я большой поклонник xjobs. Я все время использую xjobs для массового копирования файлов по нашей сети, обычно при настройке нового сервера базы данных. http://www.maier-komor.de/xjobs.html

Автор: tessein Размещён: 01.09.2008 04:55

22 плюса

433 Репутация автора

maxjobs = 4
параллелизовать () {
        while [$ # -gt 0]; делать
                jobcnt = (`jobs -p`)
                if [$ {# jobcnt [@]} -lt $ maxjobs]; затем
                        сделай что-нибудь $ 1 &
                        сдвиг  
                еще
                        спать 1
                фи
        сделанный
        Подождите
}

распараллелить arg1 arg2 "5 args на третье задание" arg4 ...
Автор: bstark Размещён: 01.09.2008 06:00

2 плюса

15329 Репутация автора

Проект, над которым я работаю, использует команду wait для управления параллельными процессами оболочки (на самом деле ksh). Чтобы решить ваши проблемы с вводом-выводом в современных ОС, возможно, что параллельное выполнение фактически повысит эффективность. Если все процессы читают одни и те же блоки на диске, только первый процесс должен получить доступ к физическому оборудованию. Другие процессы часто смогут извлечь блок из дискового кэша ОС в памяти. Очевидно, что чтение из памяти на несколько порядков быстрее, чем чтение с диска. Кроме того, выгода не требует никаких изменений кодирования.

Автор: Jon Ericson Размещён: 03.09.2008 11:19

9 плюса

3191 Репутация автора

Вот альтернативное решение, которое можно вставить в .bashrc и использовать для повседневного использования:

function pwait() {
    while [ $(jobs -p | wc -l) -ge $1 ]; do
        sleep 1
    done
}

Чтобы использовать его, все, что нужно сделать, это поставить &после заданий и вызова pwait, параметр дает количество параллельных процессов:

for i in *; do
    do_something $i &
    pwait 10
done

Было бы лучше использовать его waitвместо ожидания «занято» на выходе jobs -p, но, похоже, не существует очевидного решения дождаться завершения любого из заданий вместо всех.

Автор: Grumbel Размещён: 19.05.2009 03:40

6 плюса

77660 Репутация автора

Хотя сделать это правильно, bashвероятно, невозможно, вы можете сделать полуправо довольно легко. bstarkдал справедливое приближение права, но у него есть следующие недостатки:

  • Разделение слов: Вы не можете передавать ему задания, использующие в своих аргументах любой из следующих символов: пробелы, табуляции, новые строки, звездочки, вопросительные знаки. Если вы это сделаете, все сломается, возможно, неожиданно.
  • Он опирается на остальную часть вашего сценария, чтобы ничего не фоновать. Если вы это сделаете или позже добавите что-то в сценарий, который отправляется в фоновом режиме, потому что вы забыли, что вам не разрешено использовать фоновые задания из-за его фрагмента, все будет плохо.

Другое приближение, у которого нет этих недостатков, является следующим:

scheduleAll() {
    local job i=0 max=4 pids=()

    for job; do
        (( ++i % max == 0 )) && {
            wait "${pids[@]}"
            pids=()
        }

        bash -c "$job" & pids+=("$!")
    done

    wait "${pids[@]}"
}

Обратите внимание, что этот модуль легко адаптируется, чтобы также проверять код завершения каждого задания по его окончании, чтобы вы могли предупредить пользователя в случае сбоя задания или задать код выхода в scheduleAllсоответствии с количеством неудачных заданий или чем-то еще.

Проблема с этим кодом заключается в следующем:

  • Он планирует четыре (в данном случае) задания одновременно, а затем ожидает завершения всех четырех. Некоторые из них могут быть выполнены раньше, чем другие, что приведет к тому, что следующий пакет из четырех заданий будет ждать, пока не будет сделан самый длинный из предыдущих пакетов.

Решение, которое решает эту последнюю проблему, должно было бы использовать, kill -0чтобы опросить, исчез ли какой-либо из процессов, вместо waitи запланировать следующее задание. Однако это создает небольшую новую проблему: у вас есть условие состязания между окончанием задания и kill -0проверкой его завершения. Если задание завершилось, и в то же время запускается другой процесс в вашей системе, который получает случайный PID, который совпадает с идентификатором только что завершенного задания, kill -0он не заметит, что задание завершено, и все снова сломается.

Идеальное решение не возможно в bash.

Автор: lhunath Размещён: 19.05.2009 07:26

52 плюса

11968 Репутация автора

Решение

В зависимости от того, что вы хотите сделать, xargs также может помочь (здесь: преобразование документов с помощью pdf2ps):

cpus=$( ls -d /sys/devices/system/cpu/cpu[[:digit:]]* | wc -w )

find . -name \*.pdf | xargs --max-args=1 --max-procs=$cpus  pdf2ps

Из документов:

--max-procs=max-procs
-P max-procs
       Run up to max-procs processes at a time; the default is 1.
       If max-procs is 0, xargs will run as many processes as  possible  at  a
       time.  Use the -n option with -P; otherwise chances are that only one
       exec will be done.
Автор: Fritz G. Mehner Размещён: 19.05.2009 07:50

5 плюса

9962 Репутация автора

Если вы знакомы с makeкомандой, большую часть времени вы можете выразить список команд, которые вы хотите запустить, в виде make-файла. Например, если вам нужно запустить $ SOME_COMMAND для файлов * .input, каждый из которых создает * .output, вы можете использовать make-файл

INPUT = a.input b.input
OUTPUT = $ (INPUT: .input = .output)

%.выход Вход
    $ (SOME_COMMAND) $ <$ @

все: $ (ВЫХОД)

а потом просто беги

make -j 

выполнять не более NUMBER команд параллельно.

Автор: Idelic Размещён: 21.05.2009 08:33

35 плюса

19409 Репутация автора

С помощью GNU Parallel http://www.gnu.org/software/parallel/ вы можете написать:

some-command | parallel do-something

GNU Parallel также поддерживает запуск заданий на удаленных компьютерах. Это будет запускать по одному на ядро ​​ЦП на удаленных компьютерах - даже если у них разное количество ядер:

some-command | parallel -S server1,server2 do-something

Более сложный пример: здесь мы перечисляем файлы, для которых мы хотим запустить my_script. Файлы имеют расширение (возможно .jpeg). Мы хотим, чтобы вывод my_script был помещен рядом с файлами в basename.out (например, foo.jpeg -> foo.out). Мы хотим запустить my_script один раз для каждого ядра, которое есть у компьютера, и мы хотим запустить его и на локальном компьютере. Для удаленных компьютеров мы хотим, чтобы обрабатываемый файл был перенесен на данный компьютер. Когда my_script завершает работу, мы хотим, чтобы foo.out был перенесен обратно, а затем мы хотим удалить foo.jpeg и foo.out с удаленного компьютера:

cat list_of_files | \
parallel --trc {.}.out -S server1,server2,: \
"my_script {} > {.}.out"

GNU Parallel гарантирует, что выходные данные из каждого задания не смешиваются, поэтому вы можете использовать выходные данные в качестве входных данных для другой программы:

some-command | parallel do-something | postprocess

Смотрите видео для получения дополнительных примеров: https://www.youtube.com/playlist?list=PL284C9FF2488BC6D1

Автор: Ole Tange Размещён: 10.06.2010 01:37

1 плюс

2125 Репутация автора

Это может быть достаточно для большинства целей, но не оптимально.

#!/bin/bash

n=0
maxjobs=10

for i in *.m4a ; do
    # ( DO SOMETHING ) &

    # limit jobs
    if (( $(($((++n)) % $maxjobs)) == 0 )) ; then
        wait # wait until all have finished (not optimal, but most times good enough)
        echo $n wait
    fi
done
Автор: cat Размещён: 21.07.2011 09:05

0 плюса

21825 Репутация автора

Вы можете использовать простой вложенный цикл (замените соответствующие целые числа на N и M ниже):

for i in {1..N}; do
  (for j in {1..M}; do do_something; done & );
done

Это выполнит do_something N * M раз в M раундов, каждый раунд выполняет N заданий параллельно. Вы можете сделать N равным количеству процессоров, которые у вас есть.

Автор: Adam Zalcman Размещён: 19.11.2011 07:49

3 плюса

51 Репутация автора

функция для bash:

parallel ()
{
    awk "BEGIN{print \"all: ALL_TARGETS\\n\"}{print \"TARGET_\"NR\":\\n\\t@-\"\$0\"\\n\"}END{printf \"ALL_TARGETS:\";for(i=1;i<=NR;i++){printf \" TARGET_%d\",i};print\"\\n\"}" | make $@ -f - all
}

с помощью:

cat my_commands | parallel -j 4
Автор: ilnar Размещён: 22.02.2012 10:14

-1 плюса

357 Репутация автора

$ DOMAINS = "список некоторых доменов в командах" для foo в some-command do

eval `some-command for $DOMAINS` &

    job[$i]=$!

    i=$(( i + 1))

сделанный

Ndomains =echo $DOMAINS |wc -w

для i in $ (seq 1 1 $ Ndomains) сделайте эхо "wait for $ {job [$ i]}" wait "$ {job [$ i]}" сделано

в этой концепции будет работать для распараллеливания. важно, чтобы последняя строка в eval была '&', которая поместит команды в фон.

Автор: Jack Размещён: 16.01.2014 08:18

0 плюса

603 Репутация автора

Вот как мне удалось решить эту проблему в bash-скрипте:

 #! /bin/bash

 MAX_JOBS=32

 FILE_LIST=($(cat ${1}))

 echo Length ${#FILE_LIST[@]}

 for ((INDEX=0; INDEX < ${#FILE_LIST[@]}; INDEX=$((${INDEX}+${MAX_JOBS})) ));
 do
     JOBS_RUNNING=0
     while ((JOBS_RUNNING < MAX_JOBS))
     do
         I=$((${INDEX}+${JOBS_RUNNING}))
         FILE=${FILE_LIST[${I}]}
         if [ "$FILE" != "" ];then
             echo $JOBS_RUNNING $FILE
             ./M22Checker ${FILE} &
         else
             echo $JOBS_RUNNING NULL &
         fi
         JOBS_RUNNING=$((JOBS_RUNNING+1))
     done
     wait
 done
Автор: Fernando Размещён: 13.10.2015 04:52

0 плюса

412 Репутация автора

Мое решение - постоянно поддерживать заданное количество процессов, отслеживать ошибки и обрабатывать уязвимые / зомби-процессы:

function log {
    echo "$1"
}

# Take a list of commands to run, runs them sequentially with numberOfProcesses commands simultaneously runs
# Returns the number of non zero exit codes from commands
function ParallelExec {
    local numberOfProcesses="${1}" # Number of simultaneous commands to run
    local commandsArg="${2}" # Semi-colon separated list of commands

    local pid
    local runningPids=0
    local counter=0
    local commandsArray
    local pidsArray
    local newPidsArray
    local retval
    local retvalAll=0
    local pidState
    local commandsArrayPid

    IFS=';' read -r -a commandsArray <<< "$commandsArg"

    log "Runnning ${#commandsArray[@]} commands in $numberOfProcesses simultaneous processes."

    while [ $counter -lt "${#commandsArray[@]}" ] || [ ${#pidsArray[@]} -gt 0 ]; do

        while [ $counter -lt "${#commandsArray[@]}" ] && [ ${#pidsArray[@]} -lt $numberOfProcesses ]; do
            log "Running command [${commandsArray[$counter]}]."
            eval "${commandsArray[$counter]}" &
            pid=$!
            pidsArray+=($pid)
            commandsArrayPid[$pid]="${commandsArray[$counter]}"
            counter=$((counter+1))
        done


        newPidsArray=()
        for pid in "${pidsArray[@]}"; do
            # Handle uninterruptible sleep state or zombies by ommiting them from running process array (How to kill that is already dead ? :)
            if kill -0 $pid > /dev/null 2>&1; then
                pidState=$(ps -p$pid -o state= 2 > /dev/null)
                if [ "$pidState" != "D" ] && [ "$pidState" != "Z" ]; then
                    newPidsArray+=($pid)
                fi
            else
                # pid is dead, get it's exit code from wait command
                wait $pid
                retval=$?
                if [ $retval -ne 0 ]; then
                    log "Command [${commandsArrayPid[$pid]}] failed with exit code [$retval]."
                    retvalAll=$((retvalAll+1))
                fi
            fi
        done
        pidsArray=("${newPidsArray[@]}")

        # Add a trivial sleep time so bash won't eat all CPU
        sleep .05
    done

    return $retvalAll
}

Использование:

cmds="du -csh /var;du -csh /tmp;sleep 3;du -csh /root;sleep 10; du -csh /home"

# Execute 2 processes at a time
ParallelExec 2 "$cmds"

# Execute 4 processes at a time
ParallelExec 4 "$cmds"
Автор: Orsiris de Jong Размещён: 28.08.2016 08:30

0 плюса

464 Репутация автора

Очень поздно на вечеринку здесь, но вот другое решение.

Многие решения не обрабатывают пробелы / специальные символы в командах, не поддерживают постоянную работу N заданий, не используют процессор в занятых циклах или не используют внешние зависимости (например, GNU parallel).

С вдохновением для обработки мертвых / зомби , вот чистое решение Bash:

function run_parallel_jobs {
    local concurrent_max=$1
    local callback=$2
    local cmds=("${@:3}")
    local jobs=( )

    while [[ "${#cmds[@]}" -gt 0 ]] || [[ "${#jobs[@]}" -gt 0 ]]; do
        while [[ "${#jobs[@]}" -lt $concurrent_max ]] && [[ "${#cmds[@]}" -gt 0 ]]; do
            local cmd="${cmds[0]}"
            cmds=("${cmds[@]:1}")

            bash -c "$cmd" &
            jobs+=($!)
        done

        local job="${jobs[0]}"
        jobs=("${jobs[@]:1}")

        local state="$(ps -p $job -o state= 2>/dev/null)"

        if [[ "$state" == "D" ]] || [[ "$state" == "Z" ]]; then
            $callback $job
        else
            wait $job
            $callback $job $?
        fi
    done
}

И пример использования:

function job_done {
    if [[ $# -lt 2 ]]; then
        echo "PID $1 died unexpectedly"
    else
        echo "PID $1 exited $2"
    fi
}

cmds=( \
    "echo 1; sleep 1; exit 1" \
    "echo 2; sleep 2; exit 2" \
    "echo 3; sleep 3; exit 3" \
    "echo 4; sleep 4; exit 4" \
    "echo 5; sleep 5; exit 5" \
)

# cpus="$(getconf _NPROCESSORS_ONLN)"
cpus=3
run_parallel_jobs $cpus "job_done" "${cmds[@]}"

Выход:

1
2
3
PID 56712 exited 1
4
PID 56713 exited 2
5
PID 56714 exited 3
PID 56720 exited 4
PID 56724 exited 5

Для обработки выходных данных для каждого процесса $$можно использовать запись в файл, например:

function job_done {
    cat "$1.log"
}

cmds=( \
    "echo 1 \$\$ >\$\$.log" \
    "echo 2 \$\$ >\$\$.log" \
)

run_parallel_jobs 2 "job_done" "${cmds[@]}"

Выход:

1 56871
2 56872
Автор: Skrat Размещён: 01.02.2019 02:39
Вопросы из категории :
32x32