我发现自己必须压缩大量非常大的文件(80 GB 左右),而我对系统表现出的速度(缺乏)感到惊讶。我的转换速度约为 500 MB/分钟;使用top
,我似乎以大约 100% 的速度使用了单个 CPU。
我很确定这不仅仅是磁盘访问速度的问题,因为创建一个tar
文件(这就是创建 80G 文件的方式)只花了几分钟(可能 5 分钟或 10 分钟),但 2 个多小时后我的简单 gzip 命令仍然没有完成。
总之:
tar -cvf myStuff.tar myDir/*
花费不到 5 分钟创建一个 87 G 的 tar 文件
gzip myStuff.tar
耗时2小时10分钟,创建了一个55G的zip文件。
我的问题:这是正常的吗?是否有某些选项可以gzip
加快速度?连接命令并使用会更快吗tar -cvfz
?我看到参考pigz
-GZip 的并行实现- 但不幸的是,我无法在我使用的机器上安装软件,所以这对我来说不是一个选择。例如这个先前的问题。
我打算亲自尝试其中的一些选项并计时 - 但很可能我不会找到“神奇的选项组合”。我希望这个网站上有人知道加快速度的正确技巧。
当我有其他试验的结果时,我会更新这个问题 - 但如果有人有一个特别好的技巧,我会非常感激。也许 gzip 比我意识到的需要更多的处理时间......
更新
正如承诺的那样,我尝试了下面建议的技巧:更改压缩量,并更改文件的目标。对于大约 4.1GB 的 tar,我得到了以下结果:
flag user system size sameDisk
-1 189.77s 13.64s 2.786G +7.2s
-2 197.20s 12.88s 2.776G +3.4s
-3 207.03s 10.49s 2.739G +1.2s
-4 223.28s 13.73s 2.735G +0.9s
-5 237.79s 9.28s 2.704G -0.4s
-6 271.69s 14.56s 2.700G +1.4s
-7 307.70s 10.97s 2.699G +0.9s
-8 528.66s 10.51s 2.698G -6.3s
-9 722.61s 12.24s 2.698G -4.0s
所以是的,将标志从默认更改-6
为最快-1
可以让我的速度提高 30%,而(对于我的数据)zip 文件的大小几乎没有任何变化。无论我使用的是同一个磁盘还是另一个磁盘,本质上都没有区别(我必须多次运行才能获得任何统计意义)。
如果有人感兴趣的话,我使用以下两个脚本生成了这些时间基准:
#!/bin/bash
# compare compression speeds with different options
sameDisk='./'
otherDisk='/tmp/'
sourceDir='/dirToCompress'
logFile='./timerOutput'
rm $logFile
for i in {1..9}
do /usr/bin/time -a --output=timerOutput ./compressWith $sourceDir $i $sameDisk $logFile
do /usr/bin/time -a --output=timerOutput ./compressWith $sourceDir $i $otherDisk $logFile
done
第二个脚本(compressWith
):
#!/bin/bash
# use: compressWith sourceDir compressionFlag destinationDisk logFile
echo "compressing $1 to $3 with setting $2" >> $4
tar -c $1 | gzip -$2 > $3test-$2.tar.gz
需要注意三件事:
- 使用
/usr/bin/time
而不是time
,因为 的内置命令bash
比 GNU 命令的选项少得多 - 我没有使用该
--format
选项,尽管这会使日志文件更易于阅读 - 我使用了脚本中的脚本,因为它
time
似乎只对管道序列中的第一个命令进行操作(所以我让它看起来像一个单个命令......)。
了解了这些之后,我的结论是
- 使用标志来加快速度
-1
(可接受的答案) - 压缩数据所花的时间比从磁盘读取数据所花的时间多得多
- 投资更快的压缩软件(
pigz
似乎是一个不错的选择)。 - 如果你有多个文件需要压缩,你可以把每个
gzip
命令放在自己的线程中,这样就可以使用更多的 CPU(穷人的pigz
)
感谢所有帮助我学习这些的人!
答案1
--fast
--best
您可以使用或更改 gzip 的速度,-#
其中 # 是 1 到 9 之间的数字(1 最快但压缩率较低,9 最慢但压缩率较高)。默认情况下,gzip 以级别 6 运行。
答案2
答案3
我似乎正在以大约 100% 的速率使用单个 CPU。
这意味着不存在 I/O 性能问题,但压缩仅使用一个线程(gzip 就是这种情况)。
如果您设法获得安装其他工具所需的访问/协议,那么 7zip 还支持多线程以利用多核 CPU,尽管我不确定这是否扩展到 gzip 格式以及它自己的格式。
如果您暂时只能使用 gzip 并且有多个文件需要压缩,您可以尝试单独压缩它们 - 这样您就可以通过并行运行多个进程来使用更多的多核 CPU。但请注意不要过度使用,因为一旦接近 I/O 子系统的容量,性能就会急剧下降(低于使用一个进程/线程时的性能),因为磁头移动的延迟会成为一个重要的瓶颈。
答案4
我们还可以利用 pigz 中可用的进程数量,这通常具有更快的性能,如以下命令所示
tar cf - 要存档的目录 | pigz -0 -p largenumber > mydir.tar.gz
示例 - tar cf - patha | pigz -0 -p 32 > patha.tar.gz
这可能比文章中建议的方法更快,因为 -p 是可以运行的进程数。根据我的个人经验,如果要存档的目录包含大量小文件,则设置非常大的值不会损害性能。否则,考虑的默认值是 8。对于大文件,我的建议是将此值设置为系统支持的总线程数。
例如,对于 32 CPU 的机器,设置 p = 32 的值会有所帮助。
0 表示 pigz 压缩速度最快,因为它不压缩档案,而是注重速度。压缩的默认值为 6。