web-dev-qa-db-ja.com

コマンドプロンプトからファイルサイズの分布を生成する

数百万のファイルがあるファイルシステムがあり、特定のディレクトリでファイルサイズを再帰的に分散させたいと考えています。これはbash/awk fuで完全に実行できるように感じますが、手を使用することもできます。基本的に私は次のようなものが欲しいです：

1KB: 4123
2KB: 1920
4KB: 112
...
4MB: 238
8MB: 328
16MB: 29138
Count: 320403345

ループといくつかの条件付きlog2ファイルサイズfooがあれば、これはそれほど悪くないはずだと思いますが、そこに到達することはまったくできないようです。

関連する質問： xバイトよりも大きい/小さいファイルを見つけるにはどうすればよいですか？ 。

linuxcommand-linebashunix
16
notpeter

これはかなりうまくいくようです：

find . -type f -print0 | xargs -0 ls -l | awk '{size[int(log($5)/log(2))]++}END{for (i in size) printf("%10d %3d\n", 2^i, size[i])}' | sort -n

その出力は次のようになります。


         0   1
         8   3
        16   2
        32   2
        64   6
       128   9
       256   9
       512   6
      1024   8
      2048   7
      4096  38
      8192  16
     16384  12
     32768   7
     65536   3
    131072   3
    262144   3
    524288   6
   2097152   2
   4194304   1
  33554432   1
 134217728   4
22
garyjohn

Garyjohnの回答に基づいて、出力を人間が読める形式にフォーマットするワンライナーを次に示します。

_find . -type f -print0 | xargs -0 ls -l | awk '{ n=int(log($5)/log(2)); if (n<10) { n=10; } size[n]++ } END { for (i in size) printf("%d %d\n", 2^i, size[i]) }' | sort -n | awk 'function human(x) { x[1]/=1024; if (x[1]>=1024) { x[2]++; human(x) } } { a[1]=$1; a[2]=0; human(a); printf("%3d%s: %6d\n", a[1],substr("kMGTEPYZ",a[2]+1,1),$2) }'
_

これがその拡張バージョンです：

_find . -type f -print0                                                   \ 
 | xargs -0 ls -l                                                        \
 | awk '{ n=int(log($5)/log(2));                                         \
          if (n<10) n=10;                                                \
          size[n]++ }                                                    \
      END { for (i in size) printf("%d %d\n", 2^i, size[i]) }'           \
 | sort -n                                                               \ 
 | awk 'function human(x) { x[1]/=1024;                                  \
                            if (x[1]>=1024) { x[2]++;                    \
                                              human(x) } }               \
        { a[1]=$1;                                                       \ 
          a[2]=0;                                                        \
          human(a);                                                      \
          printf("%3d%s: %6d\n", a[1],substr("kMGTEPYZ",a[2]+1,1),$2) }' 
_

最初のawkでは、1kb未満のすべてのファイルを1か所に収集するための最小ファイルサイズを定義しました。 2番目のawkでは、関数human(x)が定義され、人間が読めるサイズを作成します。この部分は、ここでの回答の1つに基づいています： https://unix.stackexchange.com/questions/44040/a-standard-tool-to-convert-a-byte-count-into-human-kib -mib-etc-like-du-ls1

サンプル出力は次のようになります。

_  1k:    335
  2k:     16
 32k:      5
128k:     22
  1M:     54
  2M:     11
  4M:     13
  8M:      3
_
14
dzsuz87

これを試して：

_find . -type f -exec ls -lh {} \; | 
 gawk '{match($5,/([0-9.]+)([A-Z]+)/,k); if(!k[2]){print "1K"} \
        else{printf "%.0f%s\n",k[1],k[2]}}' | 
sort | uniq -c | sort -hk 2 
_

出力：

_ 38 1K
 14 2K
  1 30K
  2 62K
  12 2M
  2 3M
  1 31M
  1 46M
  1 56M
  1 75M
  1 143M
  1 191M
  1 246M
  1 7G
_

説明：

  • _find . -type f -exec ls -lh {} \;_：簡単です。現在のディレクトリでファイルを見つけて、それらに対して_ls -lh_を実行します。

  • match($5,/([0-9.]+)([A-Z]+)/,k);：これにより、ファイルサイズが抽出され、一致するものがそれぞれ配列kに保存されます。

  • if(!k[2]){print "1K"}：_k[2]_が未定義の場合、ファイルサイズは<1Kです。このような小さなサイズは気にしないと思いますので、スクリプトはサイズが<= 1Kのすべてのファイルに対して_1K_を出力します。

  • _else{printf "%.0f%s\n",k[1],k[2]}_：ファイルが1Kより大きい場合は、ファイルサイズを最も近い整数に丸め、その修飾子（K、M、またはG）とともに出力します。

  • _sort | uniq -c_：印刷された各行（ファイルサイズ）の出現回数をカウントします。

  • _sort -hk 2_：人間が読める形式の2番目のフィールドに従って並べ替えます。このように、_7G_は_8M_の後にソートされます。

2
terdon