我有一个非常大的 JSON 文件，其中包含一个数组。是否可以使用jq 将此数组拆分为几个固定大小的较小数组？假设我的输入是这样的：[1,2,3,4,5,6,7,8,9,10]，我想把它分成 3 个元素的长块。 jq 的期望输出是：
[1,2,3]
[4,5,6]
[7,8,9]
[10]
实际上，我的输入数组有近三百万个元素，都是 UUID。
【问题讨论】：
jq 'group_by(. % 3)' <<< '[1,2,3,4,5,6,7,8,9,10]' 分为三组。现在，如果我能得到完整输入数组的长度……
标签： arrays json shell jq memory-efficient
如果数组太大而无法舒适地放入内存中，那么我会采用@CharlesDuffy 建议的策略——即，使用@987654323 的面向流的版本将数组元素流式传输到 jq 的第二次调用中@，如：
def nwise(stream; $n):
foreach (stream, nan) as $x ([];
if length == $n then [$x] else . + [$x] end;
if (.[-1] | isnan) and length>1 then .[:-1]
elif length == $n then .
else empty
end);
上述的“驱动程序”是：
nwise(inputs; 3)
但请记住使用 -n 命令行选项。
从任意数组创建流：
$ jq -cn --stream '
fromstream( inputs | (.[0] |= .[1:])
| select(. != [[]]) )' huge.json
所以外壳管道可能如下所示：
$ jq -cn --stream '
fromstream( inputs | (.[0] |= .[1:])
| select(. != [[]]) )' huge.json |
jq -n -f nwise.jq
这种方法非常高效。对于使用nwise/2 将包含 300 万个项目的流分组为 3 个组，
/usr/bin/time -lp
对于 jq 的第二次调用给出：
user 5.63
sys 0.04
1261568 maximum resident set size
警告：此定义使用nan 作为流结束标记。由于nan 不是 JSON 值，因此处理 JSON 流不会有问题。
【讨论】：
while、try和input:-)
. == [nan]（如果项目总数均分到$n）时，我们似乎可以得到一个尾随的空列表。也许检查流结束的行应该是if .[-1] | isnan then if (. | length) > 1 then .[:-1] else empty end？测试程序见gist.github.com/charles-dyfis-net/…。
jq 调用更改为例如jq -cn -f nwise.jq | awk '{print > "doc00" NR ".json"}' 每stackoverflow.com/a/48801628/482758
下面是骇客，可以肯定 - 但内存效率骇客，即使是任意长的列表：
jq -c --stream 'select(length==2)|.[1]' <huge.json \
| jq -nc 'foreach inputs as $i (null; null; [$i,try input,try input])'
输入 JSON 文件中的第一段管道流，每个元素发出一行，假设数组由原子值组成（其中 [] 和 {} 在这里包含为原子值）。因为它在流模式下运行，所以它不需要将整个内容存储在内存中，尽管它是单个文档。
管道的第二部分重复读取最多三个项目并将它们组合成一个列表。
这应该避免一次在内存中需要三个以上的数据。
【讨论】：
while 会导致错误。最好写成： jq -nc 'foreach inputs as $i (null; null; [$i,try input,try input])'
window/3 的以下面向流的定义，由于 Cédric Connes
(github:connesc)，概括_nwise，
并说明了一个
“拳击技术”，避免使用
流结束标记，因此可以使用
如果流包含非 JSON 值 nan。定义
_nwise/1 的 window/3 也包括在内。
window/3 的第一个参数被解释为一个流。 $size 是窗口大小，$step 指定要跳过的值的数量。例如，
window(1,2,3; 2; 1)
产量：
[1,2]
[2,3]
def window(values; $size; $step):
def checkparam(name; value): if (value | isnormal) and value > 0 and (value | floor) == value then . else error("window \(name) must be a positive integer") end;
checkparam("size"; $size)
| checkparam("step"; $step)
# We need to detect the end of the loop in order to produce the terminal partial group (if any).
# For that purpose, we introduce an artificial null sentinel, and wrap the input values into singleton arrays in order to distinguish them.
| foreach ((values | [.]), null) as $item (
{index: -1, items: [], ready: false};
(.index + 1) as $index
# Extract items that must be reused from the previous iteration
| if (.ready | not) then .items
elif $step >= $size or $item == null then []
else .items[-($size - $step):]
end
# Append the current item unless it must be skipped
| if ($index % $step) < $size then . + $item
else .
end
| {$index, items: ., ready: (length == $size or ($item == null and length > 0))};
if .ready then .items else empty end
);
def _nwise($n): window(.[]; $n; $n);
https://gist.github.com/connesc/d6b87cbacae13d4fd58763724049da58
【讨论】：
def streamsplit($n): window(inputs | .[1]; $n $n) 并传递--stream 来将其用于流式传输。它将在 2844k 最大内存中运行。
inputs 的相同技术，但无论哪种情况，请记住使用 -n 命令行选项。
有一个（未记录的）内置函数_nwise，满足功能要求：
$ jq -nc '[1,2,3,4,5,6,7,8,9,10] | _nwise(3)'
[1,2,3]
[4,5,6]
[7,8,9]
[10]
还有：
$ jq -nc '_nwise([1,2,3,4,5,6,7,8,9,10];3)'
[1,2,3]
[4,5,6]
[7,8,9]
[10]
顺便提一下，_nwise 可用于数组和字符串。
（我认为它没有记录，因为对合适的名称存在一些疑问。）
不幸的是，内置版本被粗心地定义，并且对于大型数组表现不佳。这是一个优化的版本（它应该和非递归版本一样高效）：
def nwise($n):
def _nwise:
if length <= $n then . else .[0:$n] , (.[$n:]|_nwise) end;
_nwise;
对于大小为 300 万的数组，这是非常高效的： 在旧 Mac 上为 3.91 秒，最大驻留大小为 162746368。
请注意，此版本（使用尾调用优化递归）实际上比使用 foreach 的 nwise/2 版本更快。
【讨论】：