perl - 从 fifo 读取时重叠输出 : how to fix/avoid this?

Question

我正在尝试聚合来自 2 个文件的数据，因此我决定通过单独的写入器进程将数据发送到命名的 fifo，并启动单独的读取器进程来读取和处理聚合数据。所有读/写都发生在 ramdisk (/dev/shm) 上，该虚拟磁盘大小约为 100 GB。

这个工作文件，我确保写入 fifo 的每个数据行都小于 512 字节，因此管道可以保留其原子行为。

但是在尝试多次运行之后，我发现读取器进程正在接收重叠的输出，当我尝试从每个进程传输超过 1000 万行时，这种情况就会开始发生。我的每条数据线都以新行终止。

我在“+< fifo”模式下打开fifo进行读取，在“>> fifo”模式下进行写入。这里不使用系统调用，只是使用正常打开来获取文件句柄并尝试逐行处理数据。

我怎样才能开始调查这个问题。有什么想法吗？

非常感谢。

更新截至 2019 年 4 月 29 日:

请注意，我的循环现在使用系统调用。以前我没有使用它们，但最终决定使用它们。

同样的事情也可以通过让 2 个进程写入一个文件来实现，但需要小心，因为这仅适用于 POSIX 兼容的文件系统，或者如果没有，则可以保留日志文件(其中多个进程将执行写入)在 RAMDISK 中，因为它也可以工作。 NFS 驱动器超出了范围，因为它不符合 POSIX 标准，并且此技术对其不起作用。

因此，如果我们谈论 FIFO 与文本文件 - 多个进程读取/写入文件比多个进程读取/写入 FIFO 更快。

对于即将到来的读者，这是我的作者和读者流程代码。如何设计代码来合并这些子例程取决于您。有很多方法可以做到这一点。

希望它有用。

作者流程

  write_log => sub {
    my ($filehandle, $log_message) = @_;
    select $filehandle ; $|++;
    syswrite ($filehandle, $log_message, length($log_message))
      or die "write_log: syswrite fail!\n";
  },

读者进程:

  read_log => sub
  {
    # In my endless reading loop,
    # if I detect keyword END 2 times (as 
    # i have 2 processes), I exit the reading loop
    # and do further operations.
    #
    my ($end_check_value) = @_;

    sysopen (FH,$logfile, O_CREAT|O_RDONLY)
      or die "($$) read_log: Failed to sysopen\n";

    my ($h, $end) = (undef,0);

    select FH ; $|++ ;

    print STDOUT get_ts().'|'."($$) read_log: now tailing logfile with check count $end_check_value\n";

    for (;;)
    {
      while (my $line = <FH>)
      {
        chomp $line;
        $end++ if $line =~ m/END/g;
        last if $end == $end_check_value;
        my $key = (split(/\s/,$line))[0];
        $h->{$key}++;
      }

      sleep(1) ; seek (FH,0,1);

      # break out of for loop if we
      # have collected the 'END' tags
      # from all worker processes
      if ($end == $end_check_value)
      {
        print STDOUT get_ts().'|'."($$) read_log: breaking for loop ",
                     "with end_check: $end_check_value\n";
        last;
      }
    } close (FH);
  },

性能统计:

以下是多个进程写入 RAMDISK 上的单个文件的性能统计数据。平均而言，写入 150,000,000 行(1.5 亿)然后读入哈希需要大约 10 分钟正负 20 秒。

test string is 238 bytes long
20190429-12:34:50.637|(11139) PARENT: each child will write (75000000) to (/dev/shm/multi_proc_test_logfile.log)
20190429-12:34:54.399|(11139) trunc_log_file: truncated (/dev/shm/multi_proc_test_logfile.log)
20190429-12:34:54.399|(11149) process no. (2) launched!
20190429-12:34:54.399|(11150) process no. (1) launched!
20190429-12:34:55.400|(11139) read_log: now tailing logfile with check count 2
20190429-12:44:21.565|(11150) process exiting with status code 0
20190429-12:44:34.164|(11149) process exiting with status code 0
20190429-12:45:03.956|(11139) read_log: breaking for loop with end_check: 2
20190429-12:45:03.957|(11139) read_log: Collected counts:
(11139) (11149):75000000
(11139) (11150):75000000
---------------
(11139) Finished!

real    **10m13.466s**
user    9m31.627s
sys     0m39.650s

以下是 FIFO 的性能统计数据，其中多个进程分别向 FIFO 写入 25,000,000 行，读取器进程将它们读回到哈希中。平均需要大约25-30分钟。它比写入文件的进程慢。

test string is 141 bytes long
20190426-10:25:13.455|28342|2-test-fifo.pl: Starting..
20190426-10:25:13.456|28345|CHILD starting (read_and_hash)
20190426-10:25:13.456|28345|READ_AND_HASH now hashing files
20190426-10:25:14.458|28346|CHILD starting (s1_data_gather)
20190426-10:25:14.458|28346|Working on sit1 data..
20190426-10:25:14.458|28347|CHILD starting (s2_data_gather)
20190426-10:25:14.458|28347|Working on sit2 data..
20190426-10:48:48.454|28346|Finished working on S1 data..
20190426-10:48:48.457|28342|Reaped 28346
20190426-10:48:48.462|28345|read LAST line from S2 data
20190426-10:48:52.657|28347|Finished working on s2 data..
20190426-10:48:52.660|28342|Reaped 28347
20190426-10:48:52.669|28345|read LAST line from S2 data
20190426-10:48:53.130|28345|READ_AND_HASH finished hashing files
(read_n_hash): finished hashing. keys count
        s1 = 25000000
        s2 = 25000000
20190426-10:48:53.130|28345|starting comparison. doing source to target
20190426-10:49:49.566|28345|finished comparing source to target. now comparing target to source
20190426-10:50:45.578|28345|comparing target to source ends. finished
20190426-10:51:57.220|28342|Reaped 28345
20190426-10:51:57.220|28342|2-test-fifo.pl: Ending..

Answer 1

您可能必须为正在写入的文件打开自动刷新。如果您使用 open() 函数而不是通过 IO::File 之类的 OO 接口(interface)打开文件，那么在成功打开文件(例如 $fifo)后，您需要像这样的代码。

select $fifo;
$| = 1;

请注意，select() 选择用于打印的输出文件句柄，诸如此类不指定特定的文件句柄。如果您想恢复为目标 STDOUT，请在上述之后选择 STDOUT，或者迂腐一点:

my $oldfh = select $fifo;
$| = 1;
select $oldfh;

我认为文件模式(“+<”等)与此无关，因为“破坏”和“追加”等概念不适用于 FIFO。您可能也可以使用简单的“>”和“<”。