linux下大文件处理

linux下采用先分割后合并的策略处理大文件

第一步：分割文件 split

split 参数：
-a, --suffix-length=N     指定输出文件名的后缀，默认为2个
-b, --bytes=SIZE           指定输出文件的字节数
-C, --line-bytes=SIZE   每一输出档中，单行的最大 byte 数
-d, --numeric-suffixes   使用数字代替字母做后缀
-l, --lines=NUMBER      按照行数分割文件

例：
[[email protected] sh]# split -b 1024 -a 3 push.sh
[[email protected] sh]# ls
push.sh xaaa  xaab  xaac  xaad  xaae  xaaf
使用-a参数指定文件后缀名的个数为3

[[email protected] sh]# split -b 1024 push.sh push_  
[[email protected] sh]# ls
push_aa  push_ab  push_ac  push_ad  push_ae  push_af    push.sh
-b参数指定输出文件的大小为1024字节，push_指定输出文件的前缀代替默认的x

[[email protected] sh]# split -b 1024 -d push.sh
[[email protected] sh]# ls
push.sh x00  x01  x02  x03  x04  x05
-d参数设置输出文件的后缀为数字，默认的为字符

[[email protected] sh]# split -l 5 push.sh
[[email protected] sh]# ls
push.sh  xaa  xac  xae  xag  xai  xak  xam  xao  xaq  xas  xau  xaw  xay  xba
xab  xad  xaf  xah  xaj  xal  xan  xap  xar  xat  xav  xax  xaz
-l指定输出稳定的行数为5

第二步：把处理后的文件合并（会自动按后缀排序连接）：

cat small_files* > large_file