perl并行处理大文件

​​​有时候会需要对大文件进行并行处理,但是perl中不像其他的语言,可以使用多线程,perl的多线程其实就是对文件进行切割;

而对于文本文件,需要保证行的完整性,一种是快速跳过不需要的行

#!/usr/bin/perl -w

use strict;

no warnings 'recursion';

my $m=$ARGV[0];  #分成m份

my $l=$ARGV[1];  #第l份

my $file="test1.txt";

my $line=`wc -l $file`;

my ($linenum)=$line=~/(\d+)/;

my $linenum=10 if(!($linenum));

my $n=int($linenum/$m);  #每份做n行

open  READ, "$file" || die $!;

my $i=0;

while () { 

  if ($i>=($l-1)*$n){&doit();}

  $i++;

  last if ($i>=$l*$n || $i>linenum)

}

sub doit(){

  print $_;

}

close READ;

好一点的办法是使用seek,但是需要处理不完整行,可以让前一个进程多处理一行,后一个进程少处理一行:

#!/usr/bin/perl -w

use strict;

no warnings 'recursion';

my $m=$ARGV[0];  #分成m份

my $l=$ARGV[1];  #第l份

my $file="test1.txt";

my @args = stat  $file;

my $size = $args[7];

my $n=int($size/$m);   #每份做nbytes

open READ, "<$file" || die $!;

seek READ,(($l-1)*$n),0;

#非第一份,少读第一行

  if($l>1){

my $tmpline = ;

  }

while () { 

   &doit();

   my $position = tell(READ);

  last if ($position> $l*$n || $position>=$size); #多读一行 

}

sub doit(){

  print $_;

}

close READ;

perl大文件读取处理模块  

​perl CPAN里面的 Tie-File 模块极大方便了对大文件的操作。该模块用perl的数组代表一个文件,文件的每一行对应数组的一个元素,第一行为元素0,第二回为1,...  文件本身实际并不加载到内存,对数组元素的操作立刻作用到文件里。

最大的方便是可以任意指定处理开头结尾的某几行。

 Tie-File 模块的基本用法:

#!/usr/bin/perl -w

use strict;

no warnings 'recursion';

use Tie::File;

tie @array, 'Tie::File', filename or die ...;

$array[13] = 'blah';     # line 13 of the file is now 'blah'

print $array[42];        # display line 42 of the file

$n_recs = @array;        # how many records are in the file?

$#array -= 2;            # chop two records off the end

foreach (@array) {

  s/PERL/Perl/g;         # Replace PERL with Perl everywhere in the file

}

# These are just like regular push, pop, unshift, shift, and splice

# Except that they modify the file in the way you would expect

push @array, new recs...;

my $r1 = pop @array;

unshift @array, new recs...;

my $r2 = shift @array;

@old_recs = splice @array, 3, 7, new recs...;

untie @array;            # all finished

还有一个是Perl中的Thread​模块:

http://doc.plob.org/perl/perl/PerlThread.html#17_2_1​​​​​

你可能感兴趣的:(perl并行处理大文件)