首页手记 Shell多进程执行任务

Shell多进程执行任务

标签：

Linux

展示代码

#!/bin/bash

trap "exec 1000>&-;exec 1000<&-;exit 0" 2

# 分别为　创建管道文件，文件操作符绑定，删除管道文件
mkfifo testfifo
exec 1000<>testfifo
rm -rf testfifo

# 对文件操作符进行写入操作。 
# 通过一个for循环写入10个空行，这个10就是我们要定义的后台线程数量。
for ((n=1; n<=10; n++))
do
	echo >&1000
done

# 创建一个备份目录
if [[ ! -d back ]]; then
	mkdir back
fi

# 开始时间记录
start=`date "+%s"`
# 获取URL总数,如果总数为0，直接退出
total=`cat urls | wc -l`
if [[ $total == 0 ]]; then
	echo 'urls总数为空'
	exit 0
fi 

# 遍历URLS文件，开始执行下载
for ((i=1;i<=$total;i++))
do {
	# 从testfifo中读取一行
	read -u1000
	{	
		# 增加尝试次数，最大5次
		for j in {1..5}
		do 
			# 判断单独进程文件目录是否存在，不存在则创建目录
			download_dir=audio"$i"
			if [[ ! -d $download_dir ]]; then
				mkdir -p $download_dir
			fi
			echo "往目录${download_dir}中开始下载文件，尝试次数：${j}"
			# 读取URLS中的一行，下载文件
			you-get -o $download_dir `sed -n "$i"p urls | tr -d '\r'`

			# 校验是否有异常，如果没有异常，则跳出循环，执行外下一条，如果有异常，再次尝试下载
			if [[ $? != 0 ]]; then
				mv $download_dir/* back
				rm -rf $download_dir
			else
				break
			fi
		done
		# 向文件操作符中写入一个空行
		echo >&1000
	}&
}
done

# 等待所有任务完成
wait
end=`date "+%s"`
echo "time: `expr $end - $start`"

exec 1000>&-
exec 1000<&-

所谓多进程，就是将一个任务划分成多个子任务放在后台执行。"FIFO"是一种特殊的文件类型，它允许独立的进程通讯. 一个进程打开FIFO文件进行写操作,而另一个进程对之进行读操作, 然后数据便可以如同在shell或者其它地方常见的的匿名管道一样流线执行。默认情况下，创建的FIFO的模式为0666(‘a+rw’)减去umask中设置的位。

串行、并行

串行任务

为了比较并行和串行的区别，我们先写个串行的脚本：

#!/bin/bash

start=`date "+%s"`
for i in {1..10}
do
	echo $i;
	sleep 2
done
end=`date "+%s"`
echo "Time: `expr $end - $start`"

执行结果如下：

$ sh series.sh 
1
2
3
4
5
6
7
8
9
10
Time: 21

从结果来开，执行完上面10次任务，每次任务2秒，总耗时21秒，符合代码的逻辑。

并行任务

先将上面的串行任务改成多线程并行任务。

#!/bin/bash

start=`date "+%s"`
for i in {1..10}
do 
	{
		echo $i;
		sleep 2
	}&
done
wait
end=`date "+%s"`
echo "Time: `expr $end - $start`"

执行上面脚本的结果如下：

$ sh paralle.sh 
1
2
3
4
5
6
7
8
9
10
Time: 2

通常，用{}将不占处理器却很耗时的任务放包装一个块，通过&放置在后台运行，以达到节约时间的效果。上面并行代码，我们把10次任务全部放在后台执行，每个人物耗时2秒，由于并行执行，总耗时也就是Max(任务耗时)=2秒。

{
	echo $i;
	sleep 2
}&

在小任务跟前，这种方式运用起来得心应手，但是在任务量过大的时候，这种方式的缺点也就显而易见了：无法控制运行在后台的进程数，不能就10万个任务就是跑10万个进程吧。为了控制进程，我们引入了管道和文件操作符。

管道、文件操作符

管道

管道就像水管，有流入才会有流出，水管数水流的通道，管道是数据的通道。管道分为无名管道和有名管道。

管道类别	命令	栗子
无名管道	常用的`\|`就是管道，只不过是无名的，可以直接作为两个进程的数据通道	`echo "hello world, I'm a test" \| grep "test"`
有名管道	`mkfilo` 可以创建一个管道文件	`mkfiflo testfifo`

管道有一个特点，如果管道中没有数据，那么取管道数据的操作就会阻塞，直到管道内进入数据，然后读出后才会终止这一操作，同理，写入管道的操作如果没有读取操作，这一个动作也会阻塞。

当通过echo命令往fifotest管道中写入数据时，由于没有任何其他消费进程对管道操作，所以，该管道阻塞，直到再打开一个窗口且通过cat操作该管道。

同理，先操作读取管道也会出现阻塞的情况。

通过以上实验，看以看到，仅仅一个管道文件似乎很难实现控制后台线程数，因此我们接下来简单介绍 文件操作符。

文件操作符

系统运行起始，就相应设备自动绑定到了三个文件操作符分别为0、1 、2 对应 stdin、stdout、 stderr 。在 /proc/self/fd 或者/dev/fd中可以看到这三个对应文件:

输出到这三个文件的内容都会显示出来。只是因为显示器作为最常用的输出设备而被绑定。

在Linux中，可以通过exec指令自行定义、绑定文件操作符，文件操作符一般从3~(n-1)都可以随便使用，此处的n为ulimit -n的定义值。

从上图可以看出本机的n值为8192 ，所以文件操作符只能使用0-8192 ，可自行定义的就只能是3-8192。

虽然exec和source都是在父进程中直接执行，但exec这个与source有很大的区别，source是执行shell脚本，而且执行后会返回以前的shell。而exec的执行不会返回以前的shell了，而是直接把以前登陆shell作为一个程序看待，在其上经行复制。

exec可参考此文：《linux 下的 mkfifo、exec 命令使用》

代码分析

第3行：

接受信号 2 （ctrl +C）做的操作。
我们生成文件描述符并做绑定时，可以用exec 1000<>testfifo来实现，但关闭时必须分开来写。
>读的绑定，< 标识写的绑定 <> 则标识对文件描述符1000的所有操作，其等同于对管道文件testfifo的操作。

第6-8行：

分别为 创建管道文件，文件操作符绑定，删除管道文件
可能会有疑问，为什么不能直接使用管道文件呢？事实上，这并非多此一举，刚才已经说明了管道文件的一个重要特性了，那就是读写必须同时存在，缺少某一种操作，另一种操作就是阻塞，而绑定文件操作符正好解决了这个问题。

第12-15行：

对文件操作符进行写入操作。通过一个 for 循环写入 10 个空行，这个 10 就是我们要定义的后台线程数量。
为什么写入空行而不是 10 个字符呢？这是因为，管道文件的读取是以行为单位的。
当我们试图用 read 读取管道中的一个字符时，结果是不成功的，上面的例子已经证实了使用cat是可以读取的。

第32-61行：

遍历urls的总行数，循环处理url
25-29行是读取urls文件的总行数的逻辑（看开篇代码）。
这里我们有$total个任务（$total是变量，是读取的urls的总行数，值大于0），我们需要保证后台只有10个进程在同步运行（当然这段代码有点小遗憾，就是未能根据总行数决定用多少个进程，加入总行数小于10，但我们创建了10行空字符串，但这并不影响我们的测试）。
read -u1000 的作用是：读取一次管道中的一行，在这儿就是读取一个空行。
减少操作附中的一个空行之后，执行一次任务（当然是放到后台执行），需要注意的是，这个任务在后台执行结束以后会向文件操作符中写入一个空行，这就是重点所在，如果我们不在某种情况某种时刻向操作符中写入空行，那么结果就是：在后台放入10个任务之后，由于操作符中没有可读取的空行，导致read -u1000这儿始终停顿。
第38-56行，处理自己的业务，这里面是通过you-get下载url中的图片、语音，如果下载失败，最多尝试5次。关于you-get参考这篇文章《You-Get：支持 80 多个网站的命令行多媒体下载器》了解其更多。