bash - 并行运行一定数量的命令-对比xargs -P，GNU并行和“moreutils”并行

Question

我正在尝试在bash脚本中的26台服务器上运行多个mongodump。

我可以运行3条命令，例如

mongodump -h staging .... &
mongodump -h production .... &
mongodump -h web ... &

同时，当一个完成时，我想启动另一个mongodump。

我无法同时运行所有26条mongodumps命令，服务器将在CPU上用尽。同时最多3个mongodumps。

Answer 1

您可以使用xarg的-P选项并行运行指定数目的调用：

请注意，-P选项为not mandated by POSIX，但GNU xargs和BSD / macOS xargs均支持该选项。

xargs -P 3 -n 1 mongodump -h <<<'staging production web more stuff and so on'

这将并行运行 mongodump -h staging， mongodump -h production和 mongodump -h web，等待所有3个调用完成，然后继续执行 mongodump -h more， mongodump -h stuff和 mongodump -h and，依此类推。

-n 1从输入流中获取单个参数并调用 mongodump;根据需要进行调整，必要时在输入中使用单引号或双引号。

注意：GNU xargs-但不支持BSD xargs-支持 -P 0，其中 0表示：“同时运行尽可能多的进程”。

默认情况下，通过stdin提供的参数将附加到指定的命令。
如果您需要控制相应参数在结果命令中的放置位置，


逐行提供参数
使用 -I {}进行指示，并将 {}定义为每个输入行的占位符。

xargs -P 3 -I {} mongodump -h {} after <<<$'staging\nproduction\nweb\nmore\nstuff'

现在，每个输入参数都用 {}代替，从而允许使用 after参数。

但是请注意，每条输入线总是作为单个参数传递。

BSD / macOS xargs允许您将 -n与 -J {}组合在一起，而无需提供基于行的输入，但是GNU xargs不支持 -J。
简而言之：只有BSD / macOS允许您将输入参数的放置与一次读取多个参数结合起来。

请注意， xargs不会并行化命令并行输出的stdout输出，因此并行进程的输出可以交错访问。
使用GNU parallel可以避免此问题-参见下文。



备选： parallel

xargs具有成为标准实用程序的优势，因此在支持 -P的平台上没有先决条件。

在Linux世界中（尽管也通过 Homebrew在macOS上），有两个专门构建的实用程序，用于并行运行命令，但是它们具有相同的名称；通常，您必须按需安装它们：


parallel包中的 moreutils（二进制）-请参见 its home page。
parallel包中的-更强大的-GNU parallel（Perl脚本），谢谢， twalberg。 -参见 its home page。


如果您已经具有 parallel实用程序，则 parallel --version会告诉您它是哪个实用程序（GNU parallel报告版本号和版权信息，“ moreutils” parallel抱怨无效的选项并显示语法摘要） 。

使用“ moreutils” parallel：

parallel -j 3 -n 1 mongodump -h -- staging production web more stuff and so on

# Using -i to control placement of the argument, via {}
# Only *1* argument at at time supported in that case.
parallel -j 3 -i mongodump -h {} after -- staging production web more stuff and so on

与 xargs不同，此 parallel实现不采用从stdin传递的参数。所有传递参数必须在 --之后在命令行上传递。

据我所知，此 parallel实现提供的唯一功能超出了 xargs的功能：


-l选项允许延迟进一步的调用，直到系统负载超出指定的阈值以下为止。
可能是这样（来自 man页）：“ stdout和stderr是通过相应的内部管道进行序列化的，以防止烦人的并发输出行为。”尽管我发现 man版本中的情况并非如此>页的日期为2009-07-2-请参阅最后一节。


使用GNU parallel：

向 Ole Tange求助。

parallel -P 3 -n 1 mongodump -h <<<$'staging\nproduction\nweb\nmore\nstuff\nand\nso\non'

# Alternative, using ::: followed by the target-command arguments.
parallel -P 3 -n 1 mongodump -h ::: staging production web more stuff and so on 

# Using -n 1 and {} to control placement of the argument.
# Note that using -N rather than -n would allow per-argument placement control
# with {1}, {2}, ...
parallel -P 3 -n 1 mongodump -h {} after <<<$'staging\nproduction\nweb\nmore\nstuff\nand'

与 xargs一样，传递参数通过stdin提供，但是GNU parallel还支持在可配置的分隔符（默认为 :::）之后将其放在命令行中。
与 xargs不同，每个输入行都被视为单个参数。
警告：如果您的命令涉及带引号的字符串，则必须使用 -q将它们作为不同的参数传递；否则，请参见表11。例如， parallel -q sh -c 'echo hi, $0' ::: there仅与 -q一起使用。
与GNU xargs一样，您可以使用 -P 0一次运行尽可能多的调用，从而充分利用机器的功能，这意味着根据Ole的说法，“直到GNU Parallel达到极限（文件句柄和进程） ”。


方便地，省略 -P不仅像其他实用程序那样一次运行一个进程，而且每个CPU内核运行一个进程。

缺省情况下，并行执行的命令的输出默认在每个进程的基础上自动序列化（分组），以避免交错输出。


通常这是理想的，但是请注意，这意味着只有第一个创建输出的命令终止后，您才开始查看其他命令的输出。
使用选项 --line-buffer（在最新版本中为 --lb）选择退出此行为或
-u（ --ungroup）甚至允许一条输出线混合来自不同进程的输出；有关详细信息，请参见手册。



GNU parallel被设计为更好的 xargs的继任者，它提供了更多的功能：一个显着的例子是 perform sophisticated transformations on the pass-through arguments的功能，可以选择基于Perl正则表达式。另请参见： man parallel和 man parallel_tutorial。



可选阅读：测试输出序列化行为

以下命令测试 xargs和两个 parallel实现如何处理并行运行的命令的交错输出-是否在到达时显示输出，或尝试对其进行序列化：

有2个级别的序列化，这两个级别都会带来开销：


行级序列化：防止将来自不同进程的部分行混合在单个输出行上。
流程级别的序列化：确保将给定流程的所有输出行组合在一起。
这是最用户友好的方法，但请注意，这意味着，只有第一个创建输出的命令终止后，您才可以开始（依次）查看其他命令的输出。


据我所知，只有GNU parallel提供任何序列化（尽管日期为2009-07-2的“ moreutils” parallel手册页说了什么[1]
），并且支持这两种方法。

以下命令假定存在以下内容的可执行脚本 ./tst：

#!/usr/bin/env bash

printf "$$: [1/2] entering with arg(s): $*"
sleep $(( $RANDOM / 16384 ))
printf " $$: [2/2] finished entering\n"
echo "  $$: stderr line" >&2
echo "$$: stdout line"
sleep $(( $RANDOM / 8192 ))
echo "    $$: exiting"

xargs（GNU和BSD / macOS实施，在Ubuntu 16.04和macOS 10.12上均可找到）：

不会发生序列化：单个输出行可以包含多个进程的输出。

$ xargs -P 3 -n 1 ./tst <<<'one two three'
2593: [1/2] entering with arg(s): one2594: [1/2] entering with arg(s): two 2593: [2/2] finished entering
  2593: stderr line
2593: stdout line
2596: [1/2] entering with arg(s): three   2593: exiting
 2594: [2/2] finished entering
  2594: stderr line
2594: stdout line
 2596: [2/2] finished entering
  2596: stderr line
2596: stdout line
   2594: exiting
   2596: exiting

“ moreutils” parallel（其 man页面日期为2009-07-02的版本）

不会发生序列化：单个输出行可以包含多个进程的输出。

$ parallel -j 3 ./tst -- one two three
3940: [1/2] entering with arg(s): one3941: [1/2] entering with arg(s): two3942: [1/2] entering with arg(s): three 3941: [2/2] finished entering
  3941: stderr line
3941: stdout line
 3942: [2/2] finished entering
  3942: stderr line
3942: stdout line
 3940: [2/2] finished entering
  3940: stderr line
3940: stdout line
   3941: exiting
   3942: exiting

GNU parallel（版本20170122）

进程级序列化（分组）默认情况下发生。
使用 --line-buffer（在新版本中为 --lb）来选择行级序列化，或者使用 -u退出任何类型的序列化
（ --ungroup）。

请注意，在每个组中，stderr输出如何在stdout输出之后出现（而版本20170122随附的手册页声称stderr输出首先出现）。

$ parallel -P 3 ./tst ::: one two three
2544: [1/2] entering with arg(s): one 2544: [2/2] finished entering
2544: stdout line
   2544: exiting
  2544: stderr line
2549: [1/2] entering with arg(s): three 2549: [2/2] finished entering
2549: stdout line
   2549: exiting
  2549: stderr line
2546: [1/2] entering with arg(s): two 2546: [2/2] finished entering
2546: stdout line
   2546: exiting
  2546: stderr line

[1]“ stdout和stderr通过相应的内部管道进行序列化，以防止烦人的并发输出行为。”
告诉我我是否缺少什么。