rsync，包含300万个文件的目录，它能跟得上吗？

Question

我正在 mac 计算机上通过终端使用 bash 命令。

我是运行一名 DNA 测序仪，可在 48 小时内生成约 3-5 百万个文件。出于速度原因，这些文件将保存到计算机的 SSD 中。我想使用 fswatch 和 rsync 命令来监视目录并在生成这些文件时将这些文件传输到服务器，以减少长时间的传输时间 post 排序。

这是我想出的命令。

fswatch -o ./ | (while read; do rsync -r -t /Source/Directory /Destination/Directory; done)

但我担心，由于文件数量超过 300 万，总大小超过 100 GB，这些工具可能难以跟上。有没有更好的策略？

感谢您的帮助！

Answer 1

文件系统限制可能会成为问题。

看到这个答案：How many files can I put in a directory?

一般来说，目录中的文件越多，文件系统的执行速度就越慢。

Answer 2

您将使用的命令可能有效，但会出现一些我希望避免的性能问题。

"fswatch" 会在 FS 的每次修改时生成输出（例如每次文件更新。
"rsync" 每次都会递归检查目录及其子目录和文件中所有可能的更改。（不计算实际的数据拷贝，只有当源和目标中有大量文件和目录时，这个操作会花费很长时间）

这意味着 "fswatch" 输出的每一行都会启动一个 "rsync" 实例，而 "rsync" 的持续时间会越来越长。

48 小时是很多时间，复制文件 (~100GB) 也不会花那么长时间（磁盘到磁盘非常快，通过千兆网络也非常快）。

相反，我建议在生成过程中定期（例如 30 分钟）执行 rsync -a --delete /source /destination，并在最后执行一次，以确保没有遗漏任何内容。一个简短的脚本可以包含：

#!/bin/bash
while ps -ef | grep -q "process that generates files"; do
    echo "Running rsync..."
    rsync -a --delete /source /destination
    echo "...waiting 30 minutes"
    sleep 1800 # seconds
done
echo "Running final rsync..."
rsync -a --delete /source /destination
echo "...done."

...只需将 "process that generates files" 替换为生成文件的进程在 "ps -ef" 输出中看起来像的任何名称，而它是运行ning。根据您的需要调整时间，我认为在 30 分钟内创建了 ~2GB 的数据，可以在几分钟内复制。

该脚本将确保 "rsync" 不会运行超过它应有的次数，并且它会专注于复制文件而不是经常比较源和目标。

选项“-a”（存档）将暗示您使用的选项以及更多选项 (-rlptgoD)，“--delete”将删除存在于“/destination”但不存在于“/source”（在复制但在最终结构中实际不需要的临时文件的情况下很方便）。

rsync，包含300万个文件的目录，它能跟得上吗？

rsync, directory containing 3 million files, can it keep up?

bash

bioinformatics

rsync

fswatch