Linux 情景 linux--如何快速生成大文件?

stack · 2017年07月04日 · 1782 次阅读

情景

在写情景 linux--如何解决服务器日志过大导致的磁盘空间不足?(实践篇)时,因为要实际演示,所以需要快速创建一个大文件。其实,在实际工作过程中,有些时候是有这种需求的。今天就将其作为一个话题探讨下。

创建文件有很多种途径,如常见的命令有:touch命令、vi(m)命令、tee命令、>>>cp命令,或者它们的组合,等等。如果要创建一个大文件(比如>10GB),使用上述命令,结合循环语句也不难实现,但效率就差强人意了。

方案

BTW:此处举例统一用100MB的文件。

dd 命令

dd 命令,可以从标准输入或指定的文件中读取数据,拷贝至新文件。

dd if=/dev/zero of=my_new_file count=102400 bs=1024
102400+0 records in
102400+0 records out
104857600 bytes (105 MB) copied, 0.642327 s, 163 MB/s

参数if为输入文件名,of为输出文件名,bs为单次读取和写入的字节数,count为拷贝的次数,因而总文件大小为bs*count。最后一行括号中的105MB显然是把104857600 bytes1000的量级换算出来的,因而不是精确值,不必细究。

wc my_new_file 
0         0 104857600 my_new_file
od -tc my_new_file
0000000  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0
*
620000000

wc的结果可知,生成的文件my_new_file的行数是 0(不理解为什么是 0 的,请参见文章情景 linux--wc -l 是用来统计文件行数的吗?),单词数为 0,字节数为 104857600。

od命令的结果可知,文件中的内容全部为\0空字符。这是由于我们的输入文件是/dev/zero——一个特殊的文件,提供无限个空字符(NULL、0x00)。

如果希望文件有多行信息,可以将if设置为/dev/urandom——提供不为空字符的随机字节数据流。

dd if=/dev/urandom of=detail_1 count=102400 bs=1024
102400+0 records in
102400+0 records out
104857600 bytes (105 MB) copied, 13.3349 s, 7.9 MB/s
wc detail_1 

409483   2323021 104857600 detail_1
od -tc detail_1 | head -n 2
0000000 276 313   R   * 274 273 372   N 266 034 346   i   K 316   b   p
0000020 302   | 314 243   [ 323   x 021 016   ? 016 275 270 266   ;   #

fallocate 命令

fallocate 命令可以为文件预分配物理空间。-l后接空间大小,默认单位为字节。也可后跟 k、m、g、t、p、e 来指定单位,分别代表 KB、MB、GB、TB、PB、EB。

fallocate -l 100m new_file_2
wc new_file_2
0         0 104857600 new_file_2
od -tc new_file_2
0000000  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0
*
620000000

可见,fallocate 命令分配出的内容也是空字符。

truncate 命令

truncate 命令可以将文件缩减或扩展为指定大小,使用-s参数设置大小。

truncate -s 100M new_file_3
wc new_file_3
0         0 104857600 new_file_3
od -tc new_file_3 
0000000  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0
*
620000000

可见,truncate 命令分配出的内容也是空字符。

性能比较

既然我们希望快速得到大文件,那性能就是一个关键因素了。

BTW:此处举例统一用20GB的文件。

dd 命令的性能

sync ; time (dd if=/dev/zero of=20G_dd bs=2048 count=10485760 ; sync)
10485760+0 records in
10485760+0 records out
21474836480 bytes (21 GB) copied, 280.953 s, 76.4 MB/s
( dd if=/dev/zero of=20G_dd bs=2048 count=10485760; sync; )  1.11s user 28.16s system 9% cpu 4:57.19 total

dd 命令所产生的文件大小是由 count 和 bs 的乘积,所以我总觉得 dd 命令的执行时间应该是关于 count 或 bs 的函数,究竟是不是这样的呢?于是,调整参数:

sync ; time (dd if=/dev/zero of=20G_dd_2 bs=10485760 count=2048 ; sync)
2048+0 records in
2048+0 records out
21474836480 bytes (21 GB) copied, 280.843 s, 76.5 MB/s
( dd if=/dev/zero of=20G_dd_2 bs=10485760 count=2048; sync; )  0.01s user 19.89s system 6% cpu 4:57.08 total
sync ; time (dd if=/dev/zero of=20G_dd_3 bs=1048576 count=20480 ; sync)
20480+0 records in
20480+0 records out
21474836480 bytes (21 GB) copied, 280.614 s, 76.5 MB/s
( dd if=/dev/zero of=20G_dd_3 bs=1048576 count=20480; sync; )  0.03s user 18.21s system 6% cpu 4:49.55 total

由上数据,无论是bs=2048 count=10485760,bs=10485760 count=2048还是bs=1048576 count=20480,时间差异都很小,对应地,拷贝速度也基本上是定值。

这是因为,dd 命令的原理是从一个文件中复制数据并拷贝到另一个文件中,所以与设置不同的参数相比,dd 的性能更依赖于硬盘的读取和写入速度,这也是为什么平均速度只有约76 MB/s的原因。

其实,dd命令自身提供了可以更快的参数seek=BLOCKS:在输出文件的开始处跳过BLOCKS个块后再开始复制。

sync ; time (dd if=/dev/zero of=20G_dd_4 bs=1 count=0 seek=20G; sync)
0+0 records in
0+0 records out
0 bytes (0 B) copied, 6.971e-06 s, 0.0 kB/s
( dd if=/dev/zero of=20G_dd_4 bs=1 count=0 seek=20G; sync; )  0.00s user 0.00s system 0% cpu 0.227 total

因为跳过的部分并没有进行硬盘读写,所以执行时间极大地缩短。

od -tc 20G_dd_4 
0000000  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0  \0
*
240000000000

而文件开头跳过的部分,也都是\0字符。

fallocate 命令的性能

sync ; time (fallocate -l 20G 20G_fallocate ; sync) 
( fallocate -l 20G 20G_fallocate; sync; )  0.00s user 0.02s system 0% cpu 7.775 total

truncate 命令

sync ; time (truncate -s 20G 20G_truncate ; sync)
( truncate -s 20G 20G_truncate; sync; )  0.00s user 0.00s system 1% cpu 0.257 total

总结

从上面命令的执行结果,可以大致得出这样的结论:

  • 不使用seek参数的dd命令在生成 20G 的文件时,速度并不算太快,瓶颈是硬盘读写速度
  • 使用seek参数的dd命令的执行速度则非常快,时间小于 1s。
  • truncate命令的执行速度也非常快,时间小于 1s。
  • fallocate命令的执行速度略慢,但创建 20G 的文件时间不到 10s,也并不算慢。

PS:上述命令得出的速度数据跟操作系统的软硬件配置有关。

参考链接

http://www.skorks.com/2010/03/how-to-quickly-generate-a-large-file-on-the-command-line-with-linux/

https://stackoverflow.com/questions/257844/quickly-create-a-large-file-on-a-linux-system

https://www.deimeke.net/dirk/blog/index.php?/archives/3477-dd-vs.-fallocate-vs.-truncate-....html

相关命令

  • dd
  • truncate
  • fallocate
  • od
  • sync
  • time
如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
暂无回复。
需要 登录 后方可回复, 如果你还没有账号请点击这里 注册