1. 文本处理加速(利用多核优势进行文本的并列处理)

人生苦短,我用Python!然后学学使用Shell。

任务要求

在写爬虫或是做文本数据清洗的时候,有的时候发现我们用python写的处理程序会遇到速度过慢的问题,造成这个的原因可能如下:

  1. Python 自身就慢
  2. Python 程序没有经过优化
  3. 处理的逻辑中带有正则
  4. 其它

本来数据的处理程序应该是很快的,起码应该在100s内完成一个步骤的处理,如果时间过长对于程序的调试和自动化脚本的执行都是一个很大的麻烦。所以这时候就可以利用Shell脚本的多线程的技术来完成“加速”。

大体思路

将所要处理的文本分割成很多的小文件,然后用处理脚本或是处理程序进行并行处理。(注意:如果是处理逻辑中需要对全体数据进行排序或是去重需要考虑此种方式带来的结果损失)

一个例子

# 功能:将要处理的数据先sort一下,然后按照多线程的方式处理数据,
#      加速数据的处理速度。
#   $1: 数据路径名称
#   $2: 多线程的数目
#   使用方法举例:bash multi.sh ../data2.step3 64 data2.step4 >multi.log

data_file=$1
thread_num=$2
output_file=$3
tmp_folder=tmp

if [ $# != 3 ];then
    echo 'Please enter data and thread number and output file.'
    exit
fi

rm -r $tmp_folder
mkdir -p $tmp_folder

file_name=${data_file##*/}
echo "  Data  name: "$file_name
echo "  Thread num:" $thread_num
raw_wc=`cat $1 | wc -l`
echo "  Lines  num:"$raw_wc
# 计算每个线程需要处理的行数
let "line_split=raw_wc/thread_num";
echo "  Split  Num: "$line_split
# 先将原始数据sort
`sort $data_file>$tmp_folder/data.sort`
`split -a 2 -l $line_split $tmp_folder/data.sort tmp/$file_name.split.`
 for file in `ls tmp/$file_name.split.*`
    do
    {
       `cat $file | python remove_emoji_punck.py >>$output_file 2>>step4.log`
    }&
    done
    wait
 echo "Done!"

上面的例子就是一个利用多线程同时执行一个python脚本的shell脚本,主要Python的重定向输出一定要使用>>增广的方式来完成。这样的话多个脚本就能同时写入了。我在这里用了一个sort命令是因为我需要对所有的数据进行一个去重的任务,先进行排序在分割文本的话会尽量将相同内容的文本放到一起,但是可能会带来性能的损失(同样的文本可能分割到不同的小文件中,但是我的要求能够容忍这种损失)


总结:python的便利+shell的灵活 = 快速自动化处理能力

(p.s. 如果您有更好的方案,请在下方的留言区不吝赐教。大家一起学习,一起进步。)

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 148,827评论 1 317
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 63,511评论 1 266
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 99,318评论 0 218
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,108评论 0 189
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,112评论 1 266
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,387评论 1 185
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 30,905评论 2 283
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,657评论 0 177
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,144评论 0 223
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,744评论 2 225
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,100评论 1 236
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,565评论 2 222
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,041评论 3 216
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,769评论 0 9
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,301评论 0 178
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,173评论 2 239
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,313评论 2 242

推荐阅读更多精彩内容