很慢的脚本

Question

我有问题。我需要编写一个 bash 脚本来查找给定路径中的所有文件和目录，并显示一些有关结果的信息。允许的时间：30 秒。

#!/bin/bash

DIRS=0
FILES=0
OLD_FILES=0
LARGE_FILES=0
TMP_FILES=0
EXE_FILES=0
IMG_FILES=0
SYM_LINKS=0
TOTAL_BYTES=0

#YEAR_AGO=$(date -d "now - 1 year" +%s)
#SECONDS_IN_YEAR=31536000

function check_dir {
    for entry in "$1"/*
    do
        if [ -d "$entry" ]; then
            ((DIRS+=1))
            check_dir "$entry"
        else if [ -f "$entry" ]; then
                ((FILES+=1))
                #SIZE=$(stat -c%s "$entry")
                #((TOTAL_BYTES+=SIZE))
                #CREATE_DATE=$(date -r "$entry" +%s)
                #CREATE_DATE=$(stat -c%W "$entry")
                #DIFF=$((CREATE_DATE-YEAR_AGO))
                #if [ $DIFF -ge $SECONDS_IN_YEAR ]; then
                #   ((OLD_FILES+=1))
                #fi
             fi

        fi
    done
}

if [ $# -ne 2 ]; then
    echo "Usage: ./srpt path emailaddress"
    exit 1
fi

if [ ! -d $1 ]; then
    echo "Provided path is invalid"
    exit 1
fi

check_dir $1

echo "Execution time $SECONDS"
echo "Dicrecoties $DIRS"
echo "Files $FILES"
echo "Sym links $SYM_LINKS"
echo "Old files $OLD_FILES"
echo "Large files $LARGE_FILES"
echo "Graphics files $IMG_FILES"
echo "Temporary files $TMP_FILES"
echo "Executable files $EXE_FILES"
echo "Total file size $TOTAL_BYTES"

以下是上面注释行的执行结果：

Execution time 1
Dicrecoties 931
Files 14515
Sym links 0
Old files 0
Large files 0
Graphics files 0
Temporary files 0
Executable files 0
Total file size 0

如果我要删除评论

SIZE=$(stat -c%s "$entry")
((TOTAL_BYTES+=SIZE))

我明白了：

Execution time 31
Dicrecoties 931
Files 14515
Sym links 0
Old files 0
Large files 0
Graphics files 0
Temporary files 0
Executable files 0
Total file size 447297022

31 秒。我怎样才能加快我的脚本？ 再过 30 秒，可以找到日期创建更多一年的文件

Answer 1

通常情况下，在 shell 中使用循环表明您选择了错误的方法。

外壳首先是运行其他工具的工具。

虽然它可以进行计数，但awk 是一个更好的工具。

虽然它可以列出和查找文件，但find 更胜一筹。

最好的 shell 脚本是那些设法让一些工具参与任务的脚本，而不是那些按顺序启动数百万个工具并且所有工作都由 shell 完成的脚本。

在这里，通常更好的方法是让find 找到文件并收集您需要的所有数据，然后让awk 咀嚼它并返回统计信息。这里使用 GNU find 和 GNU awk（对于 RS='\0'）和 GNU date（对于 -d）：

find . -printf '%y.%s.%Ts%p\0' |
  awk -v RS='\0' -F'[.]' -v yearago="$(date -d '1 year ago' +%s)" '
    {
      type[$1]++; 
      if ($1 == "f") {
        total_size+=$2
        if ($3 < yearago) old++
        if (!index($NF, "/")) ext[tolower($NF)]++
      }
    }
    END {
      printf("%20s: %d\n", "Directories", type["d"])
      printf("%20s: %d\n", "Total size", total_size)
      printf("%20s: %d\n", "old", old)
      printf("%20s: %d\n", "jpeg", ext["jpg"]+ext["jpeg"])
      printf("%20s: %d\n", "and so on...", 0)
    }'

Answer 2

关键是要避免启动过多的实用程序。您似乎每个文件调用了两个或三个，这会很慢。

此外，cmets 表明，处理文件名通常很复杂，尤其是在文件名中可能包含空格和/或换行符的情况下。但是，如果我正确理解您的问题，您实际上并不需要文件名，因为您只是使用它们来收集信息。

如果你使用的是 gnu find，你可以直接从 find 中提取统计信息，这样效率会高很多，因为 find 需要在每个文件上做一个 stat()。这是一个示例，为简单起见，它从 find 管道到 awk：

summary() {
  find "$@" '(' -type f -o -type d ')' -printf '%y %s %C@\n' |
  awk '$1=="d"{DIR+=1;next}
       $1!="f"{next}
       {REG+=1;SIZE+=$2}
       $3<'$(date +%s -d"last year")'{OLD+=1}
       END{printf "Directories: %d\nFiles: %d\nOld files: %d\nTotal Size: %d\n",
                  DIR, REG, OLD, SIZE}'
}

在我的机器上，它在十分之一秒的时间内汇总了 4817 个目录中的 28718 个文件。 YMMV。

Answer 3

您肯定希望避免像以前那样解析 find 的输出（请参阅我的评论）：只要文件名中有空格，它就会中断。

您肯定希望避免分叉到外部进程，例如您的 $(stat ...) 或 $(date ...) 语句：每个分叉的成本都很高！

事实证明，find 本身可以做很多事情。例如，如果我们要计算文件、目录和链接的数量。

我们都知道bash 中的幼稚方式（几乎是你所做的）：

#!/bin/bash

shopt -s globstar
shopt -s nullglob
shopt -s dotglob
nbfiles=0
nbdirs=0
for f in ./**; do
    [[ -f $f ]] && ((++nbfiles))
    [[ -d $f ]] && ((++nbdirs))
done
echo "There are $nbdirs directories and $nbfiles files, and we're very happy."

警告。此方法根据链接到的内容对链接进行计数：指向文件的链接将被计为文件。

find 方式怎么样？计算文件、目录和（符号）链接的数量：

#!/bin/bash

nbfiles=0
nbdirs=0
nblinks=0
while read t n; do
    case $t in
    dirs) ((nbdirs+=n+1)) ;;
    files) ((nbfiles+=n+1)) ;;
    links) ((nblinks+=n+1)) ;;
    esac
done < <(
    find . -type d -exec bash -c 'echo "dirs $#"' {} + \
         -or -type f -exec bash -c 'echo "files $#"' {} + \
         -or -type l -exec bash -c 'echo "links $#"' {} + 2> /dev/null
)
echo "There are $nbfiles files, $nbdirs dirs and $nblinks links. You're happy to know aren't you?"

原理相同，使用关联数组，字段更多，涉及更多find逻辑：

#!/bin/bash

declare -A fields

while read f n; do
    ((fields[$f]+=n))
done < <(
    find . -type d -exec bash -c 'echo "dirs $(($#+1))"' {} + \
        -or -type f -exec bash -c 'echo "files $(($#+1))"' {} + -printf 'size %s\n' \
            \( \
                \( -iname '*.jpg' -printf 'jpg 1\n' -printf 'jpg_size %s\n' \) \
                -or -size +100M -printf 'large 1\n' \
            \) \
        -or -type l -exec bash -c 'echo "links $(($#+1))"' {} + 2> /dev/null
)

for f in "${!fields[@]}"; do
    printf "%s: %s\n" "$f" "${fields[$f]}"
done

我希望这会给你一些想法！祝你好运！