如何在 Linux下优雅的进行大文件切割与合并

青衣

1. 文件切割 - split
在 Linux 系统下使用 split 命令进行大文件切割很方便

• [1] 命令语法
  

• # -a: 指定输出文件名的后缀长度(默认为2个:aa,ab...)  
  
• # -d: 指定输出文件名的后缀用数字代替  
  
• # -l: 行数分割模式(指定每多少行切成一个小文件;默认行数是1000行)  
  
• # -b: 二进制分割模式(支持单位:k/m)  
  
• # -C: 文件大小分割模式(切割时尽量维持每行的完整性)  
  
• split [-a] [-d] [-l <行数>] [-b <字节>] [-C <字节>] [要切割的文件] [输出文件名]
  

• [2] 使用实例
  

• # 行切割文件  
  
• $ split -l 300000 users.sql /data/users_  
  
• # 使用数字后缀  
  
• $ split -d -l 300000 users.sql /data/users_  
  
• # 按字节大小分割  
  
• $ split -d -b 100m users.sql /data/users_
  

• [3] 帮助信息
  

• # 帮助信息  
  
• $ split --help  
  
• Usage: split [OPTION]... [FILE [PREFIX]]  
  
• Output pieces of FILE to PREFIXaa, PREFIXab, ...;  
  
• default size is 1000 lines, and default PREFIX is 'x'.  
  
• With no FILE, or when FILE is -, read standard input.  
  
• Mandatory arguments to long options are mandatory for short options too.  
  
•   -a, --suffix-length=N   generate suffixes of length N (default 2)            后缀名称的长度(默认为2)  
  
•       --additional-suffix=SUFFIX  append an additional SUFFIX to file names
  
•   -b, --bytes=SIZE        put SIZE bytes per output file                       每个输出文件的字节大小  
  
•   -C, --line-bytes=SIZE   put at most SIZE bytes of records per output file    每个输出文件的最大字节大小  
  
•   -d                      use numeric suffixes starting at 0, not alphabetic   使用数字后缀代替字母后缀  
  
•       --numeric-suffixes[=FROM]  same as -d, but allow setting the start value  
  
•   -e, --elide-empty-files  do not generate empty output files with '-n'        不产生空的输出文件  
  
•       --filter=COMMAND    write to shell COMMAND; file name is $FILE           写入到shell命令行  
  
•   -l, --lines=NUMBER      put NUMBER lines/records per output file             设定每个输出文件的行数  
  
•   -n, --number=CHUNKS     generate CHUNKS output files; see explanation below  产生chunks文件  
  
•   -t, --separator=SEP     use SEP instead of newline as the record separator;  使用新字符分割  
  
•                             '\0' (zero) specifies the NUL character  
  
•   -u, --unbuffered        immediately copy input to output with '-n r/...'     无需缓存  
  
•       --verbose           print a diagnostic just before each                  显示分割进度  
  
•                             output file is opened  
  
•       --help     display this help and exit                                    显示帮助信息  
  
•       --version  output version information and exit                           显示版本信息  
  
• The SIZE argument is an integer and optional unit (example: 10K is 10*1024).  
  
• Units are K,M,G,T,P,E,Z,Y (powers of 1024) or KB,MB,... (powers of 1000).  
  
• CHUNKS may be:  
  
•   N       split into N files based on size of input  
  
•   K/N     output Kth of N to stdout  
  
•   l/N     split into N files without splitting lines/records  
  
•   l/K/N   output Kth of N to stdout without splitting lines/records  
  
•   r/N     like 'l' but use round robin distribution  
  
•   r/K/N   likewise but only output Kth of N to stdout  
  
• GNU coreutils online help: <http://www.gnu.org/software/coreutils/>  
  
• Full documentation at: <http://www.gnu.org/software/coreutils/split>  
  
• or available locally via: info '(coreutils) split invocation'
  

2. 文件合并 - cat
在 Linux 系统下使用 cat 命令进行多个小文件的合并也很方便

•   [1] 命令语法
  

• # -n: 显示行号  
  
• # -e: 以$字符作为每行的结尾  
  
• # -t: 显示TAB字符(^I)  
  
• cat [-n] [-e] [-t] [输出文件名]
  

• [2] 使用实例
  

• # 合并文件  
  
• $ cat /data/users_* > users.sql
  

• [3] 帮助信息
  

• # 帮助信息  
  
• $ cat --h  
  
• Usage: cat [OPTION]... [FILE]...  
  
• Concatenate FILE(s) to standard output.  
  
• With no FILE, or when FILE is -, read standard input.  
  
•   -A, --show-all           equivalent to -vET  
  
•   -b, --number-nonblank    number nonempty output lines, overrides -n  
  
•   -e                       equivalent to -vE  
  
•   -E, --show-ends          display $ at end of each line  
  
•   -n, --number             number all output lines  
  
•   -s, --squeeze-blank      suppress repeated empty output lines  
  
•   -t                       equivalent to -vT  
  
•   -T, --show-tabs          display TAB characters as ^I  
  
•   -u                       (ignored)  
  
•   -v, --show-nonprinting   use ^ and M- notation, except for LFD and TAB  
  
•       --help     display this help and exit  
  
•       --version  output version information and exit  
  
• Examples:  
  
•   cat f - g  Output f's contents, then standard input, then g's contents.  
  
•   cat        Copy standard input to standard output.  
  
• GNU coreutils online help: <http://www.gnu.org/software/coreutils/>  
  
• Full documentation at: <http://www.gnu.org/software/coreutils/cat>  
  
• or available locally via: info '(coreutils) cat invocation'
  

3. 参考文档

• Linux 大文件的分割与合并
  
• Linux 学习–文件分割与合并
  

原文链接：https://mp.weixin.qq.com/s/3f7vfOs-UpEV1bdsVPeCOw