如何加速这个日志解析器？

Question

我有一个千兆字节的大日志文件，格式如下：

2016-02-26 08:06:45 Blah blah blah

我有一个日志解析器，它根据日期将单个文件日志拆分为单独的文件，同时从原始行修剪日期。

我确实想要某种形式的tee，这样我就可以看到这个过程有多远了。

问题是这种方法速度慢得让人麻木。有没有办法在 bash 中快速做到这一点？还是我必须编写一个小 C 程序才能做到这一点？

log_file=server.log
log_folder=logs

mkdir $log_folder 2> /dev/null

while read a; do
   date=${a:0:10}

   echo "${a:11}" | tee -a $log_folder/$date
done < <(cat $log_file)

Answer 1

read 在 bash 中的速度非常慢。你可以让它更快，但你可能可以通过 awk 获得更快的速度：

#!/bin/bash

log_file=input
log_directory=${1-logs}

mkdir -p $log_directory

awk 'NF>1{d=l"/"$1; $1=""; print > d}' l=$log_directory $log_file

如果你真的想打印到标准输出，你可以，但如果这会是一个 tty，它会减慢很多。只需使用：

awk '{d=l"/"$1; $1=""; print > d}1' l=$log_directory $log_file

（注意右大括号后面的“1”。）

Answer 2

试试这个 awk 解决方案 - 它应该很快 - 它显示进度 - 只有一个文件保持打开状态 - 还将不以日期开头的行写入当前日期文件，因此不会丢失行 - 默认初始值如果日志以没有日期的行开头，则日期设置为“0000-00-00”

任何时间比较将不胜感激

dir=$1
if [[ -z $dir ]]; then
  echo >&2 "Usage: $0 outdir <logfile"
  echo >&2 "outdir: directory where output files are created"
  echo >&2 "logfile: input on stdin to split into output files"
  exit 1
fi
mkdir -p $dir
echo "output directory \"$dir\""
awk -vdir=$dir '
BEGIN {
  datepat="[0-9]{4}-[0-9]{2}-[0-9]{2}"
  date="0000-00-00"
  file=dir"/"date
}
date != $1 && $1 ~ datepat {
  if(file) {
    close(file)
    print ""
  }
  print $1 ":"
  date=$1
  file=dir"/"date
}
{
  if($1 ~ datepat)
    line=substr($0,12)
  else
    line=$0
  print line
  print line >file
}
'
head -6 $dir/*

示例输入日志

first line without date
2016-02-26 08:06:45 0 Blah blah blah
2016-02-26 09:06:45 1 Blah blah blah
2016-02-27 07:06:45 2 Blah blah blah
2016-02-27 08:06:45 3 Blah blah blah
no date line
blank lines

another no date line
2016-02-28 07:06:45 4 Blah blah blah
2016-02-28 08:06:45 5 Blah blah blah

输出

first line without date

2016-02-26:
08:06:45 0 Blah blah blah
09:06:45 1 Blah blah blah

2016-02-27:
07:06:45 2 Blah blah blah
08:06:45 3 Blah blah blah
no date line
blank lines

another no date line

2016-02-28:
07:06:45 4 Blah blah blah
08:06:45 5 Blah blah blah

==> tmpd/0000-00-00 <==
first line without date

==> tmpd/2016-02-26 <==
08:06:45 0 Blah blah blah
09:06:45 1 Blah blah blah

==> tmpd/2016-02-27 <==
07:06:45 2 Blah blah blah
08:06:45 3 Blah blah blah
no date line
blank lines

another no date line

==> tmpd/2016-02-28 <==
07:06:45 4 Blah blah blah
08:06:45 5 Blah blah blah