☰

并行进程：将输出附加到 bash 脚本中的数组

tag-icon • tag-icon linux bash shell-script
并行进程：将输出附加到 bash 脚本中的数组

我有一个 for 循环，其中task调用了一个函数。每次调用该函数都会返回一个附加到数组中的字符串。我想并行化这个 for 循环。我尝试使用&但它似乎不起作用。

这是未并行化的代码。

task (){ sleep 1;echo "hello $1"; }
arr=()

for i in {1..3}; do
    arr+=("$(task $i)")
done

for i in "${arr[@]}"; do
    echo "$i x";
done

输出是：

hello 1 x
hello 2 x
hello 3 x

伟大的！但现在，当我尝试将它与

[...]
for i in {1..3}; do
    arr+=("$(task $i)")&
done
wait
[...]

输出为空。

更新#1

关于task功能：

  • 该函数task需要一些时间运行，然后输出一个字符串。收集完所有字符串后，另一个 for 循环将循环遍历字符串并执行其他任务。
  • 顺序并不重要。输出字符串可以由单行字符串组成，可能包含由空格分隔的多个单词。

答案1

您无法将赋值发送到后台，因为后台进程是 shell 的一个分支，并且对变量的更改在主 shell 中不可见。

但是您可以并行运行一堆任务，将它们全部输出到管道，然后读取输出的任何内容。或者实际上，使用流程替代，以避免在子 shell 中执行管道中的命令的问题（请参阅为什么我的变量在一个“while read”循环中是本地变量，但在另一个看似相似的循环中却不是？）

只要输出是以原子方式写入的单行，它们就不会混合，但可能会重新排序：

$ task() { sleep 1; echo "$1"; }
$ time while read -r line; do arr+=("$line"); done < <(for x in 1 2 3 ; do task "$x" & done)
real    0m1.006s
$ declare -p arr
declare -a arr=([0]="2" [1]="1" [2]="3")

上面将同时运行所有任务。还有GNU并行（-P在 GNU xargs 中），它专门用于并行运行任务，并且只会同时运行几个任务。并行还会缓冲任务的输出，因此即使任务分段写入行，也不会获得混合数据。

$ mapfile -t arr < <(parallel -j4 bash ./task.sh ::: {a,b,c})
$ declare -p arr
declare -a arr=([0]="a" [1]="b" [2]="c")

（Bashmapfile在这里将输入行读取到数组中，类似于while read .. arr+=()上面的循环。）

如上所述运行外部脚本很简单，但实际上您也可以让它运行导出的函数，当然所有任务都在 shell 的独立副本中运行，因此它们将拥有每个变量等的自己的副本。

$ export -f task
$ mapfile -t arr < <(parallel task ::: {a,b,c})

上面的例子恰好保持了a、b、 和c的顺序，但这是一个巧合。使用parallel -k它来确保输出保持有序。

答案2

一种稍微幼稚但稳健的方法可以在类似 Bourne 的 shell 中移植：

#!/bin/sh

task () {
    tid="$1"
    printf 'tid %d: Running...\n' "$tid"
    sleep "$(( RANDOM % 5 ))"
    printf 'tid %d: Done.\n' "$tid"
}

ntasks=10

tid=0
while [ "$tid" -ne "$ntasks" ]; do
    tid=$(( tid + 1 ))
    printf 'main: Starting task with tid=%d\n' "$tid"
    task "$tid" >"output.$tid" 2>&1 &
done

wait

tid=0
while [ "$tid" -ne "$ntasks" ]; do
    tid=$(( tid + 1 ))
    printf 'main: Processing output from task with tid=%d\n' "$tid"
    # do something with "output.$tid"
done

这会在第一个循环中生成任务，然后等待它们完成，然后再处理第二个循环中的输出。如果任务产生大量数据，这将是合适的。

要将运行任务的数量限制为最多 4 个，可以将初始循环更改为

tid=0
while [ "$tid" -ne "$ntasks" ]; do
    tid=$(( tid + 1 ))
    printf 'main: Starting task with tid=%d\n' "$tid"
    task "$tid" >"output.$tid" 2>&1 &

    if [ "$(( tid % 4 ))" -eq 0 ]; then
        wait
    fi
done

答案3

您正在寻找parset（自 20170422 起成为 GNU Parallel 的一部分）或env_parset（自 20171222 起可用）：

# If you have not run:
#    env_parallel --install
# and logged in again, then you can instead run this to activate (env_)parset:
. `which env_parallel.bash`

task (){
  echo "hello $1"
  sleep 1.$1
  perl -e 'print "binary\001\002\n"'
  sleep 1.$1
  echo output of parallel jobs do not mix
}
env_parset arr task ::: {1..3}
env_parset a,b,c task ::: {1..3}

echo "${arr[1]}" | xxd
echo "$b" | xxd

parsetBash/Ksh/Zsh（包括数组）、ash/dash（不包括数组）支持。

相关内容