Linux培训
达内IT学院

400-111-8989

Linux系统下删除大量文件效率对比


今天小编要跟大家分享的文章是关于Linux系统下删除大量文件效率对比。正在从事Linux运维工作的小伙伴们希望本篇文章能够对大家有所帮助。下面来和小编一起看一看吧!

Linux系统下删除大量文件效率对比

首先建立50万个文件

$ test for i in $(seq 1 500000);do echo text >>$i.txt;done

1. rm删除

$ time rm -f *

zsh: sure you want to delete all the files in /home/hungerr/test [yn]? Y

zsh: argument list too long: rm

rm -f * 3.63s user 0.29s system 98% cpu 3.985 total

由于文件数量过多,rm不起作用。

2. find删除

$ time find ./ -type f -exec rm {} \;

find ./ -type f -exec rm {} \; 49.86s user 1032.13s system 41% cpu 43:19.17 total

大概43分钟,我的电脑。。。。。。边看视频边删的。

3. find with delete

$ time find ./ -type f -delete

find ./ -type f -delete 0.43s user 11.21s system 2% cpu 9:13.38 total

用时9分钟。

4. rsync删除

# 首先建立空文件夹blanktest

$ time rsync -a --delete blanktest/ test/

rsync -a --delete blanktest/ test/ 0.59s user 7.86s system 51% cpu 16.418 total16s,很好很强大。

5. Python删除

import os

import timeit

def main(): for pathname,dirnames,filenames in os.walk('/home/username/test'): for filename in filenames: file=os.path.join(pathname,filename)

os.remove(file)

if __name__=='__main__':

t=timeit.Timer('main()','from __main__ import main')

print t.timeit(1)

1

2

$ python test.py

529.309022903

大概用时9分钟。

6. Perl删除

$ time perl -e 'for(<*>){((stat)[9]<(unlink))}'

perl -e 'for(<*>){((stat)[9]<(unlink))}' 1.28s user 7.23s system 50% cpu 16.784 total16s,这个应该最快了。

7、结果:

rm:文件数量太多,不可用

find with -exec 50万文件耗时43分钟

find with -delete 9分钟

Perl 16s

Python 9分钟

rsync with -delete 16s

结论:删除大量小文件rsync最快,最方便。

以上就是小编今天为大家分享的关于Linux系统下删除大量文件效率对比的文章,希望本篇文章能够对正在从事Linux相关工作的小伙伴们有所帮助。想要了解更多Linux相关知识记得关注达内Linux培训官网。最后祝愿小伙伴们工作顺利!

【免责声明:本文图片及文字信息均由小编转载自网络,旨在分享提供阅读,版权归原作者所有,如有侵权请联系我们进行删除。】

预约申请免费试听课

填写下面表单即可预约申请免费试听! 怕学不会?助教全程陪读,随时解惑!担心就业?一地学习,可全国推荐就业!

上一篇:Linux运维新手要掌握的进阶指南
下一篇:Linux系统中性能监控和优化命令的讲解

学物联网工程好就业吗?

图像算法工程师发展前景

大数据运维工资一般多少?

运维工程师经常加班吗?

  • 扫码领取资料

    回复关键字:视频资料

    免费领取 达内课程视频学习资料

Copyright © 2023 Tedu.cn All Rights Reserved 京ICP备08000853号-56 京公网安备 11010802029508号 达内时代科技集团有限公司 版权所有

选择城市和中心
黑龙江省

吉林省

河北省

湖南省

贵州省

云南省

广西省

海南省