Dnes vám chceme přiblížit některé z nejnovějších aktualizací systému Sherlock [to je vysoce výkonný cluster Stanfordovy univerzity – pozn. př.], které výrazně urychlují výpis souborů v adresářích s velkým množstvím záznamů.

Na rozdíl od běžných článků jde spíše o interní report o tom, jak probíhá pravidelná práce na Sherlocku, abychom ho udržovali v nejlepším stavu pro naše uživatele. Doufáme, že v budoucnu zveřejníme více takových článků.

Výpis mnoha souborů zabere čas.

Všechno to začalo dotazem na technickou podporu od uživatele. Ten nahlásil problém, že vykonání ls trvá několik minut v adresáři s více než 15 000 záznamy v $SCRATCH [adresář pro dočasné soubory – pozn. př.].

Tisíce souborů v jednom adresáři obvykle vytvářejí potíže pro souborový systém a to rozhodně není doporučeno. Uživatel to věděl a uznal, že to není dobré, ale zmínil, že na svém notebooku se výpis provádí 1000krát rychleji než v Sherlocku. Samozřejmě nás to zasáhlo. Proto jsme se ponořili hlouběji.

Protože ls vypadá hezky.

Zkoumali jsme, co vlastně dělá ls při výpisu adresáře a proč tento proces trvá tolik času. Většina moderních distribucí ls provádí ve výchozím nastavení jako ls --color=auto, protože všem se líbí barvy.

Ale hezké barvy mají svou cenu: pro každý soubor ls musí získat informace o typu souboru, jeho oprávněních, znacích, rozšířených atributech a podobně, aby vybral odpovídající barvu.

Jedno z jednoduchých řešení problému je vůbec vypnout barvy v ls, ale představte si rozhořčení uživatelů. Rozhodně nemůžeme odebrat barevný výstup, nejsme monstra.

Proto jsme se ponořili hlouběji. ls vybarvuje záznamy prostřednictvím proměnné prostředí LS_COLORS, kterou nastavuje dircolors(1) na základě konfiguračního souboru dir_colors(5).Ano, spustitelný soubor čte konfigurační soubor pro vytvoření proměnné prostředí, kterou pak používá ls (a pokud neznáte soubory door (do), pak dir_colors bude fungovat, bez ohledu na cokoliv).

Podívejme se podrobněji.

Abychom zjistili, která z barevných schémat způsobuje zpomalení, vytvořili jsme experimentální prostředí:

$ mkdir $SCRATCH/dont
$ touch $SCRATCH/dont/{1..10000} # tohle nezkoušejte doma!
$ time ls --color=always $SCRATCH/dont | wc -l
10000

real    0m12.758s
user    0m0.104s
sys     0m0.699s

12,7 sekundy pro 10 000 souborů, to není moc dobré.

Mimochodem, potřebná je příznak --color=always: i když se převádí na ls --color=auto, ale ls zjistí, když není připojen k terminálu (například přes kanál nebo s přesměrováním výstupu) a vypne zvýraznění, pokud je nastavena hodnota auto. Chytrý kluk.

Co tedy zabírá tolik času? Podívali jsme se pomocí strace:

$ strace -c ls --color=always $SCRATCH/dont | wc -l
10000
% time     seconds  usecs/call     calls    errors syscall
------ ----------- ----------- --------- --------- ----------------
 44.21    0.186617          19     10000           lstat
 42.60    0.179807          18     10000     10000 getxattr
 12.19    0.051438           5     10000           capget
  0.71    0.003002          38        80           getdents
  0.07    0.000305          10        30           mmap
  0.05    0.000217          12        18           mprotect
  0.03    0.000135          14        10           read
  0.03    0.000123          11        11           open
  0.02    0.000082           6        14           close
[...]

No tak: 10 000 volání lstat(), 10 000 volání getxattr() (které všechna selhávají, protože v našem prostředí nejsou atributy, které ls hledá), 10 000 volání capget().

Určitě to lze optimalizovat.

Atribut capabilities? Ne.

Podle doporučení chyby z před 10 lety, jsme se pokusili vypnout kontrolu atributu capabilities:

$ eval $(dircolors -b | sed s/ca=[^:]*:/ca=:)
$ time strace -c ls --color=always $SCRATCH/dont | wc -l
10000
% time     seconds  usecs/call     calls    errors syscall
------ ----------- ----------- --------- --------- ----------------
 98.95    0.423443          42     10000           lstat
  0.78    0.003353          42        80           getdents
  0.04    0.000188          10        18           mprotect
  0.04    0.000181           6        30           mmap
  0.02    0.000085           9        10           read
  0.02    0.000084          28         3           mremap
  0.02    0.000077           7        11           open
  0.02    0.000066           5        14           close
[...]
------ ----------- ----------- --------- --------- ----------------
100.00    0.427920                 10221         6 total

real    0m8.160s
user    0m0.115s
sys     0m0.961s

Wow, zrychlení na 8 sekund! zbavili jsme se všech těch drahých volání getxattr(), a volání capget() také zmizela, skvěle.

Ale ještě zůstávají ty otravné volání lstat(), i když…

Kolik barev je potřeba?

Proto jsme se podívali podrobněji LS_COLORS.

Nejprve jsme prostě deaktivovali tuto proměnnou:

$ echo $LS_COLORS
rs=0:di=01;34:ln=01;36:mh=00:pi=40;33:so=01;35:do=01;35:bd=40;33;01:cd=40;33;01:or=40;31;01:su=37;41:sg=30;43:ca=:tw=30;42:ow=34;42:st=37;44:ex=01;32:*.tar=01;31:*.tgz=01;31:*.arc=01;31:*.arj=01;31:*.taz=01;31:*.lha=01;31:*.lz4=01;31:*.lzh=01;31:*.lzma=01;31:*.tlz=01;31:*.txz=01;31:*.tzo=01;31:*.t7z=01;31:*.zip=01;31:*.z=01;31:*.Z=01;31:*.dz=01;31:*.gz=01;31:*.lrz=01;31:*.lz=01;31:*.lzo=01;31:*.xz=01;31:*.bz2=01;31:*.bz=01;31:*.tbz=01;31:*.tbz2=01;31:*.tz=01;31:*.deb=01;31:*.rpm=01;31:*.jar=01;31:*.war=01;31:*.ear=01;31:*.sar=01;31:*.rar=01;31:*.alz=01;31:*.ace=01;31:*.zoo=01;31:*.cpio=01;31:*.7z=01;31:*.rz=01;31:*.cab=01;31:*.jpg=01;35:*.jpeg=01;35:*.gif=01;35:*.bmp=01;35:*.pbm=01;35:*.pgm=01;35:*.ppm=01;35:*.tga=01;35:*.xbm=01;35:*.xpm=01;35:*.tif=01;35:*.tiff=01;35:*.png=01;35:*.svg=01;35:*.svgz=01;35:*.mng=01;35:*.pcx=01;35:*.mov=01;35:*.mpg=01;35:*.mpeg=01;35:*.m2v=01;35:*.mkv=01;35:*.webm=01;35:*.ogm=01;35:*.mp4=01;35:*.m4v=01;35:*.mp4v=01;35:*.vob=01;35:*.qt=01;35:*.nuv=01;35:*.wmv=01;35:*.asf=01;35:*.rm=01;35:*.rmvb=01;35:*.flc=01;35:*.avi=01;35:*.fli=01;35:*.flv=01;35:*.gl=01;35:*.dl=01;35:*.xcf=01;35:*.xwd=01;35:*.yuv=01;35:*.cgm=01;35:*.emf=01;35:*.axv=01;35:*.anx=01;35:*.ogv=01;35:*.ogx=01;35:*.aac=00;36:*.au=00;36:*.flac=00;36:*.mid=00;36:*.midi=00;36:*.mka=00;36:*.mp3=00;36:*.mpc=00;36:*.ogg=00;36:*.ra=00;36:*.wav=00;36:*.axa=00;36:*.oga=00;36:*.spx=00;36:*.xspf=00;36:
$ unset LS_COLORS
$ echo $LS_COLORS

$  time ls --color=always $SCRATCH/dont | wc -l
10000

real    0m13.037s
user    0m0.077s
sys     0m1.092s

Cože!?! Pořád 13 sekund?

Ukazuje se, že když je proměnná prostředí LS_COLORS nepřiřazena nebo chybí pouze jeden z jejích prvků =color:, ve výchozím nastavení používá vestavěnou databázi a stále používá barvy. Pokud tedy chcete vypnout zbarvení pro konkrétní typ souboru, musíte jej předefinovat pomocí := nebo 00 v souboru DIR_COLORS.

Po mnoha pokusech a omylech jsme zúžili hledání na toto:

EXEC 00
SETUID 00
SETGID 00
CAPABILITY 00

což se zapisuje jako

LS_COLORS='ex=00:su=00:sg=00:ca=00:'

To znamená: nebarvi soubory podle atributů capabilities, ale podle bitů setuid/setgid, ani podle exekučního bitu.

Zrychlení `ls`

A pokud neprovádíte žádnou z těchto kontrol, volání lstat() zmizí, a teď je to úplně jiná věc:

$ export LS_COLORS='ex=00:su=00:sg=00:ca=00:'
$ time strace -c ls --color=always $SCRATCH/dont | wc -l
10000
% time     seconds  usecs/call     calls    errors syscall
------ ----------- ----------- --------- --------- ----------------
 63.02    0.002865          36        80           getdents
  8.10    0.000368          12        30           mmap
  5.72    0.000260          14        18           mprotect
  3.72    0.000169          15        11           open
  2.79    0.000127          13        10           read
[...]
------ ----------- ----------- --------- --------- ----------------
100.00    0.004546                   221         6 total

real    0m0.337s
user    0m0.032s
sys     0m0.029s

0,3 sekundy na seznamu 10 000 souborů, rekord.

Nastavujeme Sherlocka

Od 13 sekund s výchozími nastaveními po 0,3 sekundy s malým nastavením LS_COLORS to znamená 40násobné urychlení díky chybějícím setuid / setgid a zabarveným spustitelným souborům. Není to tak velká ztráta.

Samozřejmě, nyní je to nastaveno v Sherlocku pro každého uživatele.

Ale pokud chcete vrátit barevné zobrazení, můžete se jednoduše vrátit k výchozím nastavením: