Параллелизировать Bash script с максимальным количеством процессов

Ответ 1

В зависимости от того, что вы хотите сделать, xargs также может помочь (здесь: конвертирование документов с 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.

Ответ 2

С 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 запустит один процессорный ядро ​​на удаленных компьютерах - даже если у них разное количество ядер:

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

Более продвинутый пример: Здесь мы перечислим файлы, которые хотим, чтобы my_script работал. Файлы имеют расширение (возможно .jpeg). Мы хотим, чтобы вывод my_script помещался рядом с файлами в basename.out(например, foo.jpeg → foo.out). Мы хотим запустить my_script один раз для каждого ядра, который имеет компьютер, и мы хотим запустить его на локальном компьютере. Для удаленных компьютеров мы хотим, чтобы файл был обработан на данном компьютере. Когда my_script завершается, мы хотим, чтобы foo.out был перенесен обратно, и мы хотим, чтобы foo.jpeg и foo.out удалены с удаленного компьютера:

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

GNU Parallel гарантирует, что выход из каждого задания не будет смешиваться, поэтому вы можете использовать вывод как вход для другой программы:

some-command | parallel do-something | postprocess

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

Ответ 3

maxjobs=4
parallelize () {
        while [ $# -gt 0 ] ; do
                jobcnt=(`jobs -p`)
                if [ ${#jobcnt[@]} -lt $maxjobs ] ; then
                        do-something $1 &
                        shift  
                else
                        sleep 1
                fi
        done
        wait
}

parallelize arg1 arg2 "5 args to third job" arg4 ...

Ответ 4

Вместо простого bash используйте Makefile, затем укажите количество одновременных заданий с make -jX, где X - количество заданий, которые нужно запустить сразу.

Или вы можете использовать wait ( "man wait" ): запустите несколько дочерних процессов, вызовите wait - он завершит работу, 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, назначьте его результат переменной. После wait вы просто проверяете, что содержит переменная.

Ответ 5

Здесь альтернативное решение, которое может быть вставлено в .bashrc и использовано для каждодневного одного лайнера:

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

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

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

Было бы лучше использовать wait вместо занятости, ожидающего выхода jobs -p, но, похоже, нет очевидного решения ждать, пока какое-либо из заданий не будет закончено, а не все их.

Ответ 6

Может быть, попробуйте использовать параллелизующую утилиту вместо перезаписи цикла? Я большой поклонник xjobs. Я все время использую xjobs для массового копирования файлов в нашей сети, как правило, при настройке нового сервера базы данных. http://www.maier-komor.de/xjobs.html

Ответ 7

Выполнение этого права в bash, вероятно, невозможно, вы можете сделать полуправый довольно легко. bstark дал справедливое приближение права, но у него есть следующие недостатки:

• Разделение слов: вы не можете передавать ему какие-либо задания, в которых используются любые из следующих символов: пробелы, табуляции, символы новой строки, звезды, вопросительные знаки. Если вы это сделаете, все будет ломаться, возможно, неожиданно.
• Он полагается на остальную часть вашего script, чтобы ничего не фона. Если вы это сделаете или позже добавите что-то в script, который будет отправлен в фоновом режиме, потому что вы забыли, что вам не разрешили использовать фоновые задания из-за его фрагмента, все будет нарушено.

Другим приближением, которое не имеет этих недостатков, является следующее:

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 это легко адаптировать, чтобы также проверить код выхода каждого задания по мере его завершения, чтобы вы могли предупредить пользователя, если задание завершилось с ошибкой или установить код выхода для scheduleAll в соответствии с количеством неудачных заданий, или что-то в этом роде.

Проблема с этим кодом заключается в следующем:

• Он назначает четыре (в данном случае) задания за раз, а затем ждет завершения всех четырех. Некоторые могут быть сделаны раньше, чем другие, что приведет к следующей партии из четырех заданий, чтобы дождаться самой продолжительной предыдущей партии.

Решение, которое позаботится об этой последней проблеме, должно было бы использовать kill -0 для опроса, исчезли ли какие-либо из процессов вместо wait и запланировано следующее задание. Тем не менее, это представляет собой небольшую новую проблему: у вас есть условие гонки между окончанием задания и kill -0 проверка завершения. Если задание закончилось, и другой процесс в вашей системе запустится одновременно, взяв случайный PID, который, как оказалось, будет завершен, kill -0 не заметит, что ваша работа закончилась, и все снова сломается.

Идеальное решение невозможно в bash.

Ответ 8

Если вы знакомы с командой make, большую часть времени вы можете выразить список команд, которые вы хотите запустить в качестве файла makefile. Например, если вам нужно запустить $SOME_COMMAND в файлах *.input, каждый из которых производит *.output, вы можете использовать makefile

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

%.output : %.input
    $(SOME_COMMAND) $< [email protected]

all: $(OUTPUT)

а затем просто запустите

make -j<NUMBER>

для запуска не более NUMBER команд параллельно.

Ответ 9

для bash:

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

с помощью:

cat my_commands | parallel -j 4

Ответ 10

В проекте, над которым я работаю, используется команда wait для управления процессами с параллельной оболочкой (ksh). Чтобы решить ваши проблемы с IO, на современной ОС, возможно, параллельное выполнение фактически повысит эффективность. Если все процессы считывают одни и те же блоки на диске, только первый процесс должен ударить по физическому оборудованию. Другие процессы часто смогут извлекать блок из кэша дискового пространства ОС в памяти. Очевидно, чтение из памяти на несколько порядков быстрее, чем чтение с диска. Кроме того, преимущество не требует изменений в кодировке.

Ответ 11

Это может быть достаточно хорошим для большинства целей, но не оптимальным.

#!/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

Ответ 12

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

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

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

Ответ 13

Вот как мне удалось решить эту проблему в bash script:

 #! /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

Ответ 14

Мое решение всегда поддерживать определенное количество запущенных процессов, отслеживать ошибки и обрабатывать процессы ubnterruptible/zombie:

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 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"

Ответ 15

Очень поздно на вечеринку здесь, но здесь 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 полагаются на внешние зависимости (например, parallel GNU).

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 вывода для каждого процесса $$ может использоваться для входа 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

Ответ 16

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

eval `some-command for $DOMAINS` &

    job[$i]=$!

    i=$(( i + 1))

сделать

Ndomains = echo $DOMAINS |wc -w

для я в $(seq 1 1 $Ndomains) делать echo "ждать ${job [$ i]}" wait "$ {job [$ i]}" сделано

в этой концепции будет работать для распараллеливания. Важной вещью является последняя строка eval: '&' которые будут помещать команды в фоны.