Hoy queremos hablar sobre algunas de las últimas actualizaciones del sistema Sherlock [este es un clúster de alto rendimiento en la Universidad de Stanford, aprox. trans.], que acelera significativamente la lista de archivos en directorios con una gran cantidad de entradas.
A diferencia de los artículos habituales, este es más bien un informe interno sobre cómo trabajamos regularmente en Sherlock para que siga funcionando de la mejor manera para nuestros usuarios. Esperamos publicar más artículos como este en el futuro.
Listar muchos archivos lleva tiempo
Todo comenzó con una pregunta de soporte técnico de un usuario. Informó el problema que la ejecución ls
tarda unos minutos en un directorio con más de 15 entradas en $SCRATCH
[directorio para archivos temporales - aprox. carril].
Miles de archivos en un directorio suelen suponer una carga para el sistema de archivos y definitivamente no se recomienda. El usuario lo sabía y admitió que no era bueno, pero mencionó que el listado era 1000 veces más rápido en su computadora portátil que Sherlock. Por supuesto, esto nos duele. Entonces miramos más profundamente.
Porque se ve bien
Observamos lo que realmente hace. ls
al incluir un directorio y por qué el proceso lleva tanto tiempo. En la mayoría de las distribuciones modernas ls
por defecto se ejecuta como ls --color=auto
, porque a todos les gustan los colores.
Pero los colores bonitos tienen un precio: por cada archivo ls
Debe obtener información sobre el tipo de archivo, sus permisos, banderas, atributos extendidos y similares para poder seleccionar el color apropiado.
Una solución sencilla al problema es desactivar por completo el color en ls, pero imagine la indignación de los usuarios. Bajo ninguna circunstancia debes quitarle la salida de color, no somos monstruos.
Entonces miramos más profundamente. ls
entradas de colores a través de variable de entorno LS_COLORS
, que se establece dircolors(1)
basado en el archivo de configuración dir_colors(5)
. Si
Miremos más de cerca
Para determinar qué combinación de colores causa la desaceleración, creamos un entorno experimental:
$ mkdir $SCRATCH/dont
$ touch $SCRATCH/dont/{1..10000} # don't try this at home!
$ time ls --color=always $SCRATCH/dont | wc -l
10000
real 0m12.758s
user 0m0.104s
sys 0m0.699s
12,7 segundos para 10 archivos, no muy bueno.
Por cierto, necesitamos una bandera.
--color=always
: aunque se vuelve hacials --color=auto
Sinols
detecta cuando no está conectado a un terminal (por ejemplo, por tubería o con redirección de salida) y desactiva el color si se establece enauto
. Chico inteligente.
Entonces, ¿por qué estás tardando tanto? miramos con 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
[...]
Vaya: 10 llamadas lstat()
, 10 llamadas getxattr()
(todos fallan porque nuestro entorno no tiene los atributos que ls busca), 10 llamadas capget()
.
Seguramente esto se puede optimizar.
¿Atributo de capacidades? No
Siguiendo consejos
$ 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
¡Vaya, hasta 8 segundos de aceleración! Nos deshicimos de todas esas costosas llamadas. getxattr()
y desafíos capget()
Desapareció también, genial.
Pero todavía existen estas llamadas molestas. lstat()
, A pesar de…
¿Cuántas flores necesitas?
Por lo tanto, echamos un vistazo más de cerca. LS_COLORS
.
Primero simplemente deshabilitamos esta variable:
$ 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
¡¿¡Qué!?! ¿Aún quedan 13 segundos?
Resulta que cuando la variable de entorno LS_COLORS
sólo uno de sus elementos no está definido o falta <type>=color:
, utiliza la base de datos incorporada de forma predeterminada y aún usa colores. Entonces, si desea deshabilitar la coloración para un determinado tipo de archivo, debe anularla con <type>=:
o <type> 00
en archivo DIR_COLORS
.
Después de muchas pruebas y errores, limitamos nuestra búsqueda a esto:
EXEC 00
SETUID 00
SETGID 00
CAPABILITY 00
que se escribe como
LS_COLORS='ex=00:su=00:sg=00:ca=00:'
Esto significa: no colorear archivos por atributo.
, ni por
aceleramos ls
Y si no haces ninguna de estas comprobaciones, entonces llama lstat()
desaparecer, y ahora es un asunto completamente diferente:
$ 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 segundos en una lista de 10 archivos, un récord.
Preparando a Sherlock
Desde 13 segundos con la configuración predeterminada hasta 0,3 segundos con ajustes menores LS_COLORS
significa una aceleración de 40 veces debido a la ausencia setuid
/ setgid
y archivos ejecutables de colores. No es una pérdida tan grande.
Por supuesto, esto ahora está configurado en Sherlock para cada usuario.
Pero si desea devolver el color, simplemente puede volver a la configuración predeterminada:
$ unset LS_COLORS
Pero luego, en directorios con muchos archivos, asegúrese de preparar café mientras se está ejecutando. ls
.
Fuente: habr.com