基于xargs命令的多行命令并行管理

我在去年整理了一个关于多行命令并行管理的脚本「submit.sh」，前些日子曾老师发来消息提供了更新的版本，今天我们一起来探讨一下。

之前的submit.sh主要是通过循环，将所有的命令分成多个批次，一个批次完成后才会运行下一个批次。

# submit.sh
# 把命令分为10份并行
for i in {0..9};do (nohup bash submit.sh script2.sh 10 $i 2>&1);done 

今天要介绍的多行命令并行管理主要是基于xargs这个命令。

ls *fastq | xargs -iF -P 10 sh -c  'gzip F'

xargs

关于xargs的用法我曾在之前的推文有提过，不过没有深入太多。

本次主要用到它以下几个参数

• 「-i」, --replace[=R], replace R in INITIAL-ARGS with names read from standard input; if R is unspecified,assume {} : 将xargs传递的内容一行一行赋值给 {}，「-iF」即将xargs的输出一行一行赋值给F。

• 「-P」, --max-procs=MAX-PROCS    run at most MAX-PROCS processes at a time : 最大进程数

sh

关于sh命令的用法，可以查看我提供的参考资料[1]，本文主要使用以下参数

• 「-c」, 从-c后的字符串中读取命令
• 「-x」, 打印出所执行的命令以及当前状态

特殊符号

• 「''」, 单引号，保持引号里的内容不变
• 「“”」, 双引号，解析引号里的命令和变量
• 「``」, 反引号，引号内部为命令，与$()等价

示例

以fastqc质控为例，本次测试数据为GSE145894中的三个数据SRR11178348、SRR11178349、SRR11178350，前面的步骤就不多做展示，直接从fastqc质控开始。

一共有6个文件，每次运行3个试试

ls *.gz | xargs -iF -P 3 sh -c 'fastqc -o ./ F'

我们使用htop查看xargs的进程情况，发现其处在休眠状态（S），PID是28925。

kill掉该进程后，我们发现只有第一批次的三条命令运行完成，当这一批的命令结束以后，后面将不再运行下一批的命令。

小结

使用xargs的好处是可以将该命令写入到代码中，适用于流程搭建的情况（如snakemake）；而之前的submit.sh只能在脚本外面使用，实际上还会产生多个PID。在遇到特殊情况需要kill任务的情况，使用xargs就可以直接kill母命令的PID，而submit.sh只能一个个的kill或killall。

另外需要注意的是，xargs 只能传递单个变量（本文中为F），上述命令通过-iF来传递ls输出的内容；当需要输入多个文件的时候（如比对），似乎是没办法实现的。

欢迎各位交流讨论。

参考资料

[1]sh命令: https://wangchujiang.com/linux-command/c/sh.html