Linux对于大日志包进行分割的N种方法

前言:
网站一个主要域名的日志包,解压缩之后有10多个G,当日志分析系统处理此日志包时,需要的分析时间过长,而且如分析过程中出错,要清空数据后再分析,所以需要将日志进行分割成多个日志包,通过多个日志分析系统并发分析,本文主要记录一下我测试的分割过程。

说明:
本文采用一个50M大小的日志文件进行测试。
日志文件名:log.txt.gz。
文件行数:208363

方法1:(split分割)
语法:split  [-<行数>][-b <字节>][-C <字节>][-l <行数>][要切割的文件][输出文件名]

# gunzip log.txt.gz //一定要先解压,否则分割的文件是不能cat/zcat显示;
# wc -l log.txt //计算一个文件的总行数;
208363 log.txt
# split -l 120000 log.txt newlog    //通过指定行数,将日志分割成两个文件;
# du -sh *
50M     log.txt
29M     newlogaa
22M     newlogab
# file * //分割后的文件与原文件属性一样
log.txt:  ASCII text, with very long lines, with CRLF line terminators
newlogaa: ASCII text, with very long lines, with CRLF line terminators
newlogab: ASCII text, with very long lines, with CRLF line terminators
# gzip newlogaa newlogab //将分割后的文件进行压缩,以便传输

另一种方法,通过大小分割(# split -C 26000000 log.txt newlog),-C(大C)是按大小分,并尽量保持按行,-c(小c)就可能分将一行分到不同文件中。测试-C(大C)没有问题,相对-l(按行)来说,统计一个大文件的字节要比统计行数要快得多。用-C(大C)还是-l,请按实际情况而定。

方法2:(dd分割)
# gunzip log.txt.gz //一定要先解压,否则分割的文件是不能cat/zcat显示;
# dd bs=20480 count=1500  if=log.txt of=newlogaa //按大小分第一个文件
# dd bs=20480 count=1500  if=log.txt of=newlogab skip=1500 //将大小之后的生成另一个文件
# file *
log.txt:  ASCII text, with very long lines, with CRLF line terminators
newlogaa: ASCII text, with very long lines, with CRLF line terminators
newlogab: ASCII text, with very long lines, with CRLF line terminators

分割没问题,但会出现同一行分到不同文件的情况,除非你以及日志分析系统可以“容忍”。

方法3:(head+tail 分割)
#gzip log.txt.gz //如不解压缩,下面请用zcat。
# wc -l log.txt //统计一个行数
208363 log.txt
# head -n `echo $((208363/2+1))` log.txt > newloga.txt //前x行重定向输出到一个文件中;
# tail –n `echo $((208363-208362/2-1))` log.txt >newlogb.txt //后x行重定向输出到一个文件中;
# gzip newloga.txt newlogb.txt //将两个文件进行压缩

方法4:(awk分割)
#gzip log.txt.gz
#awk ‘{if (NR<120000) print $0}’ log.txt >newloga.txt
#awk ‘{if (NR>=120000) print $0}’ log.txt >newlogb.txt

以上两个命令,都要遍历整个文件,所以考虑到效率,应使用合并成:
# awk ‘{if (NR<120000) print $0 >”newloga.txt”;if (NR>=120000) print $0>”newlogb.txt”}’ log.txt

总结:
以上四种方法,除了dd之外的三种方式都可以很好的整行分割日志文件。进行分割时,应考虑在读一次文件的同时完成,如不然,按下面的方式分割:
Cat log.txt| head –12000 >newloga.txt
Cat log.txt | tail –23000  >newlogb.txt
如用此方法分割文件的后一部分,那么执行第二行命令文件时,前x行是白白读一遍的,执行的效率将很差,如文件过大,还可能出现内存不够的情况。

1 Comment

Trackbacks & Pingbacks

  1. Cheap True Religion Sale 九月 18, 2015 (10:44 下午)

    Cheap True Religion Sale

    I’m still learning from you, as I’m making my way to the top as well. I definitely liked reading all that is posted on your site.Keep the tips coming. I liked it!

Leave a Comment