web-dev-qa-db-ja.com

シェルスクリプトを使用したマルチスレッドダウンロード

たくさんのURLを含むファイルがあり、任意の数のプロセスを使用してそれらを並行してダウンロードしたいとします。どうすればbashでそれを行うことができますか？

bashwgetcurl
4
synapse

見て man xargs：

-P max-procs --max-procs=max-procs

         Run  up  to max-procs processes at a time; the default is 1.  If
         max-procs is 0, xargs will run as many processes as possible  at
         a  time.

解決：

xargs -P 20 -n 1 wget -nv <urs.txt
9
fab

（番号に関係なく）各URLを取得したいだけの場合、答えは簡単です。

#!/bin/bash
URL_LIST="http://url1/ http://url2/"

for url in $URL_LIST ; do
    wget ${url} & >/dev/null
done

限られた数のプルのみを作成する場合は、10と言います。次に、次のようにします。

#!/bin/bash
URL_LIST="http://url1/ http://url2/"

function download() {
    touch /tmp/dl-${1}.lck
    wget ${url} >/dev/null
    rm -f /tmp/dl-${1}.lck
}

for url in $URL_LIST ; do
    while [ 1 ] ; do
        iter=0
        while [ $iter -lt 10 ] ; do
            if [ ! -f /tmp/dl-${iter}.lck ] ; then
                download $iter &
                break 2
            fi
            let iter++
        done
        sleep 10s
    done
done

私は実際にそれをテストしていませんが、15分でそれを打ち負かしたことに注意してください。しかし、あなたは一般的な考えを得る必要があります。

1
Richard June

そのようなもののために設計された puf のようなものを使用するか、 GNU parallel と組み合わせてwget/curl/lynxを使用することができます。

1
Cakemox

http://puf.sourceforge.net/ pufはこれを「生活のために」行い、完全なプロセスの良好な実行ステータスを持っています。

0
olemd
I do stuff like this a lot. I suggest two scripts.
the parent only determines the appropriate loading factors and 
launches a new child when there is 
1. more work to do
2. not past some various limits of loadavg or bandwidth

# my pref lang is tcsh so, this is just a rough approximation
# I think with just a few debug runs, this could work fine.

# presumes a file with one url to download per line
# 
NUMPARALLEL=4 # controls how many at once
#^tune above number to control CPU and bandwidth load, you
# will not finish  fastest by doing 100 at once.
# Wed Mar 16 08:35:30 PDT 2011 , dianevm at gmail

 while : ; do
      WORKLEFT=`wc -l  < $WORKFILE`
      if [ WORKLEFT -eq 0 ];
           echo finished |write sysadmin
           echo finished |Mail sysadmin
           exit 0
           fi
      NUMWORKERS=`ps auxwwf|grep WORKER|grep -v grep|wc -l`
      if [ $NUMWORKERS -lt $NUMPARALLEL]; then  # time to fire off another 1
           set WORKTODO=`head -1 $WORKFILE`
           WORKER $WORKTODO &  # worker could just be wget "$1", ncftp, curl
           tail -n +2 $WORKFILE >TMP
           SECEPOCH=`date +%s`
           mv $WORKFILE $WORKFILE.$SECSEPOCH
           mv TMP $WORKFILE
        else # we have NUMWORKERS or more running.
           sleep 5  # suggest this time  be close to ~ 1/4 of script run time
        fi
  done
0
dianevm