年份: 2015 年

特定情況下 PHP 可以比 awk 還要快

2015 年 11 月 10 日2021 年 3 月 12 日日落尚無留言

因為工作上的需要，會需要將 HTTP log 抓出來做統計，所以會遇到類似下方的 RESTful path：

GET /user/123/bio HTTP/1.1 ...
GET /user/456/bio HTTP/1.1 ...

如果取完整的 path 則無法辨別後端到底是使用哪一個 API，所以使用 awk 的 regex 辨識後 mapping 到 API 名稱上。寫完以後的 awk script 大約有 300 行左右，一份 log 大概要花 2 分鐘左右。

後來經高人指點，PHP 的 native library 好歹也是 C++ 寫的，理論上不會太慢，於是用 PHP 的 preg_match() 將相同的邏輯寫了一次。同一份 log 使用 PHP 來 parse 大約只需要 1 分 32秒。

另外 PHP 預設會載入已安裝的 extensions (mysql, mcrypt …)，既然只用到 native library 的話，其實這些也可以去掉不要用。改為「php -n」不載入任何 extension 再執行時，速度又快了一些，只要約 1 分鐘。

PHP 其實還有一些可以繼續調整的東西，像是把資料放在陣列裡面做搜尋時，如果把資料存成 array index 並使用 array_key_exists() 方式去判斷，會比 in_array() 還要更快 ^[Ref]。

Bash, PHP

同時追蹤多個 log 檔

2015 年 11 月 9 日2021 年 3 月 12 日日落有 2 則留言

通常我們會用「tail -f FILE」來將檔案新增加的內容顯示在螢幕上，不過要同時顯示多個檔案的新資料就有點麻煩了，會需要改成以下寫法：

tail -f FILE_1 -f FILE_2 ....

所以有人寫了個歡樂的工具叫做「multitail」可以一次監視多個檔案，甚至還會自動幫你切割視窗來顯示不同檔案的內容。

要做到同上的功能，只要這樣寫：

multitail FILE_1 FILE_2

若要觀察的檔案太多，多到分割視窗根本看不到東西時，也可以讓 multitail 不要做切割，全部顯示在一起就好：

 multitail --mergeall FILE_1 FILE_2

Linux, 資訊學習

寫 shell script 的一些平行處理工具

2015 年 9 月 16 日2021 年 3 月 12 日日落有 4 則留言

最近在處理數十 TB 的 HTTP server log 有感，記錄一些可以拿來做分散式運算的工具以及語法 (參數)。

pigz

gzip 一直是你的好工具，特別是儲存空間放在網路上時，可以大幅的減少讀取、寫入資料時所需要的 throughput。不過 gzip 一次只會用到一個 CPU core 壓縮資料，所以有人寫了 pigz ，在壓縮時建立多個 thread 同時運算。

還有不少針對 gz 的工具可以使用，像是：zcat、zgrep 和 zless (這超神奇，其實打 less 好像就會自動偵測是不是 gz 了 XD)

parallel

之前的筆記參考一下即可。

sort

排序大量資料也是會耗掉相當多的時間，幸好 sort 內建平行運算功能，只要加個參數即可。

$ sort --parallel=8 -S 4G unsort.list > sorted.list

「–parallel」可以指定要同時多少資源做排序，而「-S」則是設定要使用多大的記憶體來做排序。

xargs

感謝 Joe Horn 和 Wen-Shih Chao 提供指點，xargs 也有 parallel 的功能。使用「-P」參數就可以讓 xargs 自動做平行處理。

ls *.log | xargs -P 8 grep PATTERN

目前最常用的是這幾個，其他的就待以後用到慢慢補上。若有更好的做法也歡迎分享～

Bash, Linux, 分享, 資訊學習

語音通訊服務之差異與比較

2015 年 8 月 24 日2021 年 3 月 12 日日落有 2 則留言

更新版：網路語音通訊軟體整理 round 2

最近常常開會，使用了各種不同的語音通訊服務，各有其優缺點和限制。做個筆記，以後可以依照不同的需求使用特定的特定的服務。

Hangouts：

語音通訊同時通訊人數為 10 人
有螢幕分享、白板、文件協作等功能
音訊品質較差，容易有回音或是有雜訊

Skype：

語音通訊人數好像沒上限 (目前沒遇到)
有螢幕分享功能，但是超過 10 人就無法使用
音訊較好，較少有雜音或回音 (大推)

LINE：

音訊不差，但是時間延遲有時候會超過 3 秒鐘 (無法對話)
請專心作貼圖服務

Steam：

不是開玩笑的，Steam 的為了遊戲中的溝通，語音通訊不算差
大家都需要有 Steam 帳號，小麻煩
沒有螢幕畫面分享 (?)
同時通訊的人數似乎不多 (不確定上限多少人)

不曉得還有沒有其他可以作為線上音訊討論的工具？真的有大量需求的話，其實花錢買解決方案應該也是可以的

分享, 生活雜記

多核心主機搭配 GNU parallel

2015 年 8 月 3 日2021 年 3 月 12 日日落尚無留言

假如要將 apache log 中，包含某個 pattern 的記錄找出來，寫起來大概會像這樣子：

cat apache*.log | awk -f log-parser.awk

舊電腦就是放著一個檔案一個檔案慢慢跑，沒什麼問題。若新電腦現在不少都是多核心，看個 parser 慢慢跑，但是剩下的 3 個 CPU core 和 disk 都悠哉沒事做，感覺在浪費時間。

parallel 專門設計來讓 script 可以同時並行運作，使用電腦資源來節省時間的好工具。

假設今天 awk 非常吃 CPU 使用量 (規則較為複雜)，處理一個檔案會花上很多 CPU 時間，則可以將 log 中的內容分散給多個 CPU 同時處理：

cat apache*.log | parallel --pipe awk -f log-parser.awk

此時，parallel 偵測到有 4 CPU cores，則會自動將 $FILE 內容分批轉送給 awk 處理 (一行為一個單位)，這樣能讓 4 個 CPU 同時跑 awk 解析 log 內容。

不過以一行為一個單位轉送資料給 awk，也會耗掉一些運算資源，可以透過 –block 來要求 parallel 多少資料當作一個單位來轉送資料。以下假設一次送 10MB 的資料給 awk 處理：

cat apache*.log | parallel --pipe --block 10M awk -f log-parser.awk

倘若今天 awk 的要處理的東西並不複雜，可以輕鬆解決掉，上面的寫法反而會讓 CPU 閒閒沒事做，不如就讓一個 awk 負責處理一個檔案，且多個檔案同時進行。此時就可以讓檔案處理的部分轉交給 awk：

parallel --pipe -u --block 10M awk -f log-parser.awk ::: apache*.log

備註：parallel 預設會在所有工作執行結束才輸出結果，若要讓 parallel 即時將結果印出，則可加上參數「-u」。

另外一點要注意的是，parallel 預設會使用所有的 CPU 來處理工作，這在多人共同使用的主機上並不是一件好事，一跑下去大家都不用做事了。所以若在共用環境上請記得加上 -j (jobs) 參數，來限制 parallel 不要用掉所有的系統資源。

Reference:

Bash, Linux, 資訊學習