Question

我已经实现了一种在bash中拥有并发作业的方法，如here所示。

我正在遍历大约13000行的文件。我只是测试和打印每一行，如下：

#!/bin/bash
max_bg_procs(){
    if [[ $# -eq 0 ]] ; then
        echo "Usage: max_bg_procs NUM_PROCS.  Will wait until the number of background (&)"
        echo "           bash processes (as determined by 'jobs -pr') falls below NUM_PROCS"
        return
    fi
    local max_number=$((0 + ${1:-0}))
    while true; do
        local current_number=$(jobs -pr | wc -l)
        if [[ $current_number -lt $max_number ]]; then
                echo "success in if"
                break
        fi
        echo "has to wait"
        sleep 4
    done
}

download_data(){
    echo "link #" $2 "["$1"]"
}

mapfile -t myArray < $1

i=1
for url in "${myArray[@]}"
do
    max_bg_procs 6
    download_data $url $i &
    ((i++))
done
echo "finito!"

我也尝试了其他解决方案，例如this和this，但我的问题仍然存在：

在“随机”给定步骤，通常在第2000次和第5000次迭代之间，它只是卡住了。我已将各种echo放在代码中间以查看它会被卡住的位置，但它打印的最后一件事是$url $i。

我已经完成了简单的测试以删除任何并行性并只是循环文件内容：一切都很顺利，它循环到最后。

所以这让我觉得我错过了对并行性的一些限制，我想知道是否有人可以帮助我搞清楚。

非常感谢！

Answer 1

在这里，我们最多有6个并行bash进程调用download_data，每个进程最多传递16个URL。根据您自己的调整进行调整。

请注意，这需要bash（用于导出的函数支持）和GNU xargs。

#!/usr/bin/env bash
#              ^^^^- not /bin/sh

download_data() {
  echo "link #$2 [$1]" # TODO: replace this with a job that actually takes some time
}
export -f download_data
<input.txt xargs -d $'\n' -P 6 -n 16 -- bash -c 'for arg; do download_data "$arg"; done' _

Answer 2

使用GNU Parallel看起来像这样

cat input.txt | parallel echo link '\#{#} [{}]'

{＃} =工作号码
{} =参数

它将为每个CPU生成一个进程。如果你想要并行使用6 -j：

cat input.txt | parallel -j6 echo link '\#{#} [{}]'

如果您更喜欢运行功能：

download_data(){
    echo "link #" $2 "["$1"]"
}
export -f download_data
cat input.txt | parallel -j6 download_data {} {#}

Bash并发作业被卡住了

2 个答案: