为什么 grep 大文件，第二遍就会变得很快呢？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

Distributions

› Ubuntu

› Fedora

› CentOS

中文资源站

› 网易开源镜像站

这是一个创建于 2254 天前的主题，其中的信息可能已经有所发展或是发生改变。

我 grep 一个大文件，第一遍大约几十秒，第二遍就很快了，几乎秒出，请问这是为什么呢？

grep

文件

请问

遍

23 条回复 • 2018-10-26 19:36:28 +08:00

d0m2o08

2018-10-25 16:10:40 +08:00

参考这里 https://unix.stackexchange.com/questions/8914/does-grep-use-a-cache-to-speed-up-the-searches

tamlok

2018-10-25 16:22:04 +08:00 via Android

操作系统文件读写缓存吧

hujianxin

2018-10-25 16:59:19 +08:00

@d0m2o08 @tamlok 谢谢，我有点疑惑，貌似还不是内存缓存，因为 grep 是一行一行读的，我几十 G 的文件，grep 完之后，内存几乎没变过，还是维持在 grep 之前的水平。也就是说，这个缓存是在文件中吗？

wohenyingyu02

2018-10-25 17:06:48 +08:00 via iPhone

@hujianxin 一楼的回答是操作系统会缓存最近读写的文件，是不是可以这么理解，原来缓存的是别的文件，你 grep 一次后，把别的文件释放了，替换进去，所以看起来内存不变？

tamlok

2018-10-25 17:12:58 +08:00 via Android

@hujianxin 操作系统启动的时候就占用了不少内存，其中可能就有缓存的部分。另外，我觉得缓存这一部分的内存，操作系统也可能展示给用户的是空闲的状态？

helionzzz

2018-10-25 17:40:56 +08:00

缓存这一部分应该都是预留的吧

LGA1150

2018-10-25 17:47:51 +08:00

执行以下命令清除缓存之后再试试？
sync; sudo sysctl -w vm.drop_caches=3

sniperhgy

2018-10-25 17:48:52 +08:00

linux 本来就和 windows 的内存管理机制不一样，windows 是起来后，有需要才进行占用，linux 是起来后，先占用了再说，多多益善。所以楼主看到的所谓内存没有变化，只是 linux 没有占用的那一部分

aijam

2018-10-25 17:54:37 +08:00

文件系统缓存

des

2018-10-25 17:58:31 +08:00 via Android

@sniperhgy 现在 windows 也是了，甚至还会主动缓存最近的文件

flynaj

2018-10-25 18:48:05 +08:00 via Android

第一次是从硬盘读，后面已经缓存在内存里面了。

x66

2018-10-25 18:53:35 +08:00 via iPhone

@des 挺好的啊，用久了常用的文件都缓存起来了。别经常关机就好了

hujianxin

2018-10-25 18:59:54 +08:00 via iPhone

问题是，我 grep 一个 50g 的文件，内存没涨过，才用了 5g，所以这些文件是不可能缓存到内存的啊

dszhblx

2018-10-25 19:04:51 +08:00 via iPhone

@hujianxin 那是系统缓存没记入你看到的数值了，free 命令了解一下

LGA1150

2018-10-25 19:05:27 +08:00

@hujianxin free 看 cached 的变化

liaohongxing

2018-10-25 19:40:50 +08:00

linux 和 windows 内存机制不一样，linux 会先占用空闲内存，而且 linux 会缓存文件系统。用 free -m 或者 dd 复制一下。能明显感受到有缓存。

mengzhuo

2018-10-25 21:03:04 +08:00 via Android

cache 啊～

noli

2018-10-26 09:36:30 +08:00

@hujianxin 就算你文件是 100G 1T 也没有必要一次过全部放入内存中缓存啊，你的应用也没有一次过读 100G 1T 的能力啊。这么想之后你就会发现是因为你知道得太少。

cyspy

2018-10-26 11:28:25 +08:00

Linux 的缓存策略比 Win 激进不少，Linux 下群星重开都是秒进，估计全都在 RAM 里

yc8332

2018-10-26 11:35:12 +08:00

必须是缓存啊。。。不然怎么 linux 下可用内存长时间都是比较少的。除非手动释放

hujianxin

2018-10-26 13:17:38 +08:00 via iPhone

@noli 请教一下，既然没放到缓存中，为什么第二次那么快呢？

Greenm

2018-10-26 15:21:18 +08:00

这个是缓存命中和未命中的问题吧，第一遍全部不命中，第二遍几乎都命中了。

noli

2018-10-26 19:36:28 +08:00

@hujianxin

并不是没有放到缓存中，而是不论多大的文件，怎么放入缓存里面是有讲究的。
而你的观测方法，譬如说，只观察内存和 swap 的总使用量，不一定能说明缓存使用的内部变化。
如果你把 Disk IO 以及内存读写次数也纳入观察了，你才可以发现第二遍读取速度变快的原因。

简单来说就是，grep 读取一个文件是顺序向前读取，文件分片存储在文件系统中（例如 ext 系列等等）
利用好这两个特点，可以写出一个不需要增大缓存使用量也可以提高读取效率的算法。
而这就是内核或者 FS 提供的，具体如何实现，可以看相关文档或者书籍或者源代码。