Linux大文件切割

日常工作中需要对日志文件进行分析，当日志文件过大时，Linux中使用vim、cat、grep、awk等这些工具对大文件日志进行分析将会成为梦魇，具体表现在：

• 执行速度缓慢，文件内容需要加载到内存中，涉及大量的磁盘读；

• 耗费资源过多，一个4G空间的日志文件需要至少4G的内存，更大的呢？

• 内容难以复用，分析过滤文件时会用管道对输出文件进行处理，大文件下难以复用；

• 文件传输困难，大文件需要传输给其他人进行分析，文件太大，全量传输带宽耗费大

1 查阅大文件之痛

大数据离线处理框架hadoop可以处理这些场景，然而hadoop也需要耗费较长的时间进行计算，而且还需要去编写MapReduce任务，诚然这种方法带来更大的难度和挑战。hadoop是通过将大文件切割成多个小文件，通过多个mapreduce任务做并行处理，Linux提供了一个简单易用的split工具，可以实现将文件切割成多个小文件。

split提供两种方式对文件进行切割：

• 根据行数切割，通过-l参数指定需要切割的行数

• 根据大小切割，通过-b参数指定需要切割的大小

2.1 根据行数切割

本地没有大日志，就拿小日志进行演示，指定文件名为split-line，-d参数以数字的方式显示

[root@iZ1la3d1xbmukrZ ~]# wc -l err_20190907.log
3427 err_20190907.log
[root@iZ1la3d1xbmukrZ ~]# split -l 300 -d --verbose err_20190907.log split-line
creating file ‘split-line00’
creating file ‘split-line01’
creating file ‘split-line02’
creating file ‘split-line03’
creating file ‘split-line04’
creating file ‘split-line05’
creating file ‘split-line06’
creating file ‘split-line07’
creating file ‘split-line08’
creating file ‘split-line09’
creating file ‘split-line10’
creating file ‘split-line11’
[root@iZ1la3d1xbmukrZ ~]# ls -lh split-line0[0-9]
-rw-r--r-- 1 root root 28K Mar 11 19:50 split-line00
-rw-r--r-- 1 root root 27K Mar 11 19:50 split-line01
-rw-r--r-- 1 root root 24K Mar 11 19:50 split-line02
-rw-r--r-- 1 root root 24K Mar 11 19:50 split-line03
-rw-r--r-- 1 root root 23K Mar 11 19:50 split-line04
-rw-r--r-- 1 root root 18K Mar 11 19:50 split-line05
-rw-r--r-- 1 root root 26K Mar 11 19:50 split-line06
-rw-r--r-- 1 root root 25K Mar 11 19:50 split-line07
-rw-r--r-- 1 root root 24K Mar 11 19:50 split-line08
-rw-r--r-- 1 root root 24K Mar 11 19:50 split-line09

指定行数后会自动做切割，即达到300行之后自动切割，通过-d参数文件名会自动以数字的方式命名，切割后，每个文件大小为24K，此时再对文件进行分析将会方便很多，同时文件数量也会很多，可以增加行数的方式进行切割，方便分析。

2.2 根据大小切割

除了按照行数切割之外，split还支持通过文件大小进行切割，通过指定-b参数指定文件大小进行切割，文件大小单位支持K, M, G, T, P, E, Z，如下以切割为30K演示文件切割过程

[root@iZ1la3d1xbmukrZ ~]# split -b 30K -d --verbose err_20190907.log split-size
creating file ‘split-size00’
creating file ‘split-size01’
creating file ‘split-size02’
creating file ‘split-size03’
creating file ‘split-size04’
creating file ‘split-size05’
creating file ‘split-size06’
creating file ‘split-size07’
creating file ‘split-size08’
creating file ‘split-size09’
[root@iZ1la3d1xbmukrZ ~]# ll -h
total 916K
-rw-r--r--  1 root root 273K Mar 11 19:47 err_20190907.log
-rw-r--r--  1 root root  28K Mar 11 19:50 split-line00
-rw-r--r--  1 root root  27K Mar 11 19:50 split-line01
-rw-r--r--  1 root root  24K Mar 11 19:50 split-line02
-rw-r--r--  1 root root  24K Mar 11 19:50 split-line03
-rw-r--r--  1 root root  23K Mar 11 19:50 split-line04
-rw-r--r--  1 root root  18K Mar 11 19:50 split-line05
-rw-r--r--  1 root root  26K Mar 11 19:50 split-line06
-rw-r--r--  1 root root  25K Mar 11 19:50 split-line07
-rw-r--r--  1 root root  24K Mar 11 19:50 split-line08
-rw-r--r--  1 root root  24K Mar 11 19:50 split-line09
-rw-r--r--  1 root root  24K Mar 11 19:50 split-line10
-rw-r--r--  1 root root 9.8K Mar 11 19:50 split-line11
-rw-r--r--  1 root root  30K Mar 11 19:52 split-size00
-rw-r--r--  1 root root  30K Mar 11 19:52 split-size01
-rw-r--r--  1 root root  30K Mar 11 19:52 split-size02
-rw-r--r--  1 root root  30K Mar 11 19:52 split-size03
-rw-r--r--  1 root root  30K Mar 11 19:52 split-size04
-rw-r--r--  1 root root  30K Mar 11 19:52 split-size05
-rw-r--r--  1 root root  30K Mar 11 19:52 split-size06
-rw-r--r--  1 root root  30K Mar 11 19:52 split-size07
-rw-r--r--  1 root root  30K Mar 11 19:52 split-size08
-rw-r--r--  1 root root 2.8K Mar 11 19:52 split-size09
drwxr-xr-x 13 root root 4.0K Mar  3 18:03 utils
[root@iZ1la3d1xbmukrZ ~]#

2.3 多文件合并

split将大文件切割为多个小文件，如果需要将多个小文件合并为一个文件怎么处理呢？
可以使用文件重定向方式实现，如下演示两个小文件合并为一个文件

 右边滑动查看完整命令

[root@iZ1la3d1xbmukrZ ~]# cat split-line00 split-line01 >two-file-merge
[root@iZ1la3d1xbmukrZ ~]# ll
total 624
-rw-r--r--  1 root root 279331 Mar 11 19:47 err_20190907.log
-rw-r--r--  1 root root  28017 Mar 11 19:50 split-line00
-rw-r--r--  1 root root  27386 Mar 11 19:50 split-line01
-rw-r--r--  1 root root  24354 Mar 11 19:50 split-line02
-rw-r--r--  1 root root  24409 Mar 11 19:50 split-line03
-rw-r--r--  1 root root  23434 Mar 11 19:50 split-line04
-rw-r--r--  1 root root  18207 Mar 11 19:50 split-line05
-rw-r--r--  1 root root  26139 Mar 11 19:50 split-line06
-rw-r--r--  1 root root  25057 Mar 11 19:50 split-line07
-rw-r--r--  1 root root  24536 Mar 11 19:50 split-line08
-rw-r--r--  1 root root  23926 Mar 11 19:50 split-line09
-rw-r--r--  1 root root  23863 Mar 11 19:50 split-line10
-rw-r--r--  1 root root  10003 Mar 11 19:50 split-line11
-rw-r--r--  1 root root  55403 Mar 11 19:51 two-file-merge

合并方式通过读取文件的方式+输出重定向，对于大文件一样会存在性能的问题，建议根据需要使用