如何向 GNU Parallel 提供大量命令？

Question

我正在评估GNU Parallel 是否可用于搜索并行存储在系统上的文件。系统上一年中的每一天 (doy) 只能有一个文件（因此每年最多有 366 个文件）。假设系统上有 3660 个文件（大约 10 年的数据）。系统可以是多CPU多核Linux或多CPU Solaris。

我正在存储要在数组中的文件上运行的搜索命令（每个文件一个命令）。这就是我现在正在做的事情（使用 bash），但是我无法控制并行启动多少搜索（绝对不想一次启动所有 3660 搜索）：

#!/usr/bin/env bash
declare -a cmds
declare -i cmd_ctr=0

while [[ <condition> ]]; do
    if [[ -s $cur_archive_path/log.${doy_ctr} ]]; then
      cmds[$cmd_ctr]="<cmd_to_run>"
      let cmd_ctr++
    fi
done

declare -i arr_len=${#cmds[@]}
for (( i=0; i<${arr_len}; i++ ));
do
  # Get the command and run it in background
  eval ${cmds[$i]} &
done
wait

如果我要使用parallel（它会自动计算出最大CPUs/cores 并且只开始并行搜索这么多），我如何才能并行重用数组cmds 并重写上面的代码？另一种选择是将所有命令写入文件，然后执行cat cmd_file | parallel

Answer 1

https://www.gnu.org/software/parallel/man.html#EXAMPLE:-Using-shell-variables 说：

parallel echo ::: "${V[@]}"

你不想要回声，所以：

parallel ::: "${cmds[@]}"

如果您不需要 $cmds 做其他任何事情，请使用 'sem'（它是并行 --semaphore 的别名）https://www.gnu.org/software/parallel/man.html#EXAMPLE:-Working-as-mutex-and-counting-semaphore

while [[ <condition> ]]; do
  if [[ -s $cur_archive_path/log.${doy_ctr} ]]; then
    sem -j+0 <cmd_to_run>
  fi
done
sem --wait

您还没有描述 可能是什么。如果您只是在执行类似 for 循环的操作，则可以将整个脚本替换为：

parallel 'if [ -s {} ] ; then cmd_to_run {}; fi' ::: $cur_archive_path/log.{1..3660}

（基于https://www.gnu.org/software/parallel/man.html#EXAMPLE:-Composed-commands）。