来自node.js，哪个更快，shell grep 还是fs.readFile？

Question

我有一个很长的运行 node.js 过程，我需要扫描日志文件以寻找模式。我至少有两个明显的选择：spawn a grep process or read the file using fs.read* 和解析 node.js 中的 buffer/stream。我还没有在 intarwebs 上找到这两种方法的比较。我的问题是双重的：

哪个更快？
为什么我可能更喜欢一种技术而不是另一种？

Answer 1

分叉 grep 更简单、更快捷，而 grep 很可能运行更快并且使用更少 cpu。尽管 fork 的开销相当高（比打开文件多得多），但您只会 fork 一次并流式传输结果。此外，从节点文件 i/o.

中获得良好的性能可能很棘手

Answer 2

为了回答这个问题，我写了这个小程序。

#!/usr/local/bin/node
'use strict';

const fs = require('fs');
const log = '/var/log/maillog';
const fsOpts = { flag: 'r', encoding: 'utf8' };
const wantsRe = new RegExp(process.argv[2]);

function handleResults (err, data) {
    console.log(data);
}

function grepWithFs (file, done) {
    fs.readFile(log, fsOpts, function (err, data) {
        if (err) throw (err);
        let res = '';
        data.toString().split(/\n/).forEach(function (line) {
            if (wantsRe && !wantsRe.test(line)) return;
            res += line + '\n';
        });
        done(null, res);
    });
};

function grepWithShell (file, done) {
    const spawn = require('child_process').spawn;
    let res = '';

    const child = spawn('grep', [ '-e', process.argv[2], file ]);
    child.stdout.on('data', function (buffer) { res += buffer.toString(); });
    child.stdout.on('end', function() { done(null, res); });
};

for (let i=0; i < 10; i++) {
    // grepWithFs(log, handleResults);
    grepWithShell(log, handleResults);
}

然后我交替运行两个函数都在一个循环 10 倍内运行，并测量了它们从代表我的用例的日志文件中 grep 结果所花费的时间：

$ ls -alh /var/log/maillog
-rw-r--r--  1 root  wheel    37M Feb  8 16:44 /var/log/maillog

文件系统是一对镜像 SSD，通常速度足够快，不会成为瓶颈。以下是结果：

grepWithShell

$ time node logreader.js 3E-4C03-86DD-FB6EF

real    0m0.238s
user    0m0.181s
sys     0m1.550s

grepWithFs

$ time node logreader.js 3E-4C03-86DD-FB6EF

real    0m6.599s
user    0m5.710s
sys     0m1.751s

差别很大。使用 shell grep 进程要快得多。正如安德拉斯指出的那样，节点的 I/O 可能很棘手，我没有尝试任何其他 fs.read* 方法。如果有更好的方法，请指出（最好有类似的测试场景和结果）。

Answer 3

这是我的 nodejs 实现，结果与预期的差不多：小文件运行比分叉的 grep 快（文件最多 2-3k 短行），大文件运行较慢。文件越大，差异越大。（也许正则表达式越复杂，差异越小——见下面。）

我使用自己的 qfgets 包快速一次一行文件 i/o；可能还有更好的，我不知道。

我看到了一个我没有调查的意外异常：以下时间用于常量字符串正则表达式 /foobar/。当我把它改成 /[f][o][o][b][a][r]/ 为了实际使用正则表达式引擎，grep 变慢了下降了 3 倍，而节点加速了！ grep 的 3 倍减速在命令行。

filename = "/var/log/apache2/access.log";     // 2,540,034 lines, 187MB
//filename = "/var/log/messages";             // 25,703 lines, 2.5MB
//filename = "out";                           // 2000 lines, 188K (head -2000 access.log)
//filename = "/etc/motd";                     // 7 lines, 286B
regexp = /foobar/;

child_process = require('child_process');
qfgets = require('qfgets');

function grepWithFs( filename, regexp, done ) {
    fp = new qfgets(filename, "r");
    function loop() {
        for (i=0; i<40; i++) {
            line = fp.fgets();
            if (line && line.match(regexp)) process.stdout.write(line);
        }
        if (!fp.feof()) setImmediate(loop);
        else done();
    }
    loop();
}

function grepWithFork( filename, regexp, done ) {
    cmd = "egrep '" + regexp.toString().slice(1, -1) + "' " + filename;
    child_process.exec(cmd, {maxBuffer: 200000000}, function(err, stdout, stderr) {
        process.stdout.write(stdout);
        done(err);
    });
}

测试：

function fptime() { t = process.hrtime(); return t[0] + t[1]*1e-9 }

t1 = fptime();
if (0) {
    grepWithFs(filename, regexp, function(){
        console.log("fs done", fptime() - t1);
    });
}
else {
    grepWithFork(filename, regexp, function(err){
        console.log("fork done", fptime() - t1);
    });
}

结果：

/**
results (all file contents memory resident, no disk i/o):
times in seconds, best run out of 5

/foobar/
             fork   fs
motd        .00876  .00358  0.41 x  7 lines
out         .00922  .00772  0.84 x  2000 lines
messages    .0101   .0335   3.32 x  25.7 k lines
access.log  .1367   1.032   7.55 x  2.54 m lines

/[f][o][o][b][a][r]/
access.log  .4244   .8348   1.97 x  2.54 m lines

**/

（上面的代码都是一个文件，为了避免滚动条，我把它分开了）

编辑：突出显示关键结果：

185MB，254万行，搜索RegExp /[f][o][o][b][a][r]/:

grepWithFs

已用：.83 秒

grepWithFork

已用：.42 秒

来自node.js，哪个更快，shell grep 还是fs.readFile？

From node.js, which is faster, shell grep or fs.readFile?

shell

grep

node.js

grepWithShell

grepWithFs

grepWithFs

grepWithFork