Tại sao egrep [wW] [oO] [rR] [dD] nhanh hơn từ grep -i?

Tôi đã sử dụng grep -ithường xuyên hơn và tôi phát hiện ra rằng nó chậm hơn so với egreptương đương, trong đó tôi khớp với chữ hoa hoặc chữ thường của mỗi chữ cái:

$ time grep -iq "thats" testfile

real    0m0.041s
user    0m0.038s
sys     0m0.003s
$ time egrep -q "[tT][hH][aA][tT][sS]" testfile

real    0m0.010s
user    0m0.003s
sys     0m0.006s

Có grep -ilàm xét nghiệm bổ sung mà egrepkhông?

grep -i 'a'tương đương với grep '[Aa]'ngôn ngữ chỉ có ASCII. Trong ngôn ngữ Unicode, các tương đương và chuyển đổi ký tự có thể phức tạp, do đó grepcó thể phải thực hiện thêm công việc để xác định các ký tự tương đương. Cài đặt ngôn ngữ liên quan là LC_CTYPE, xác định cách các byte được hiểu là các ký tự.

Theo kinh nghiệm của tôi, GNU grepcó thể bị chậm khi được gọi trong miền địa phương UTF-8. Nếu bạn biết rằng bạn chỉ tìm kiếm các ký tự ASCII, việc gọi nó trong ngôn ngữ chỉ ASCII có thể nhanh hơn. tôi mong đợi rằng

time LC_ALL=C grep -iq "thats" testfile
time LC_ALL=C egrep -q "[tT][hH][aA][tT][sS]" testfile

sẽ sản xuất thời gian không thể phân biệt.

Điều đó đang được nói, tôi không thể tái tạo phát hiện của bạn với GNU greptrên Debian jessie (nhưng bạn không chỉ định tệp thử nghiệm của mình). Nếu tôi đặt miền địa phương ASCII ( LC_ALL=C), grep -isẽ nhanh hơn. Các hiệu ứng phụ thuộc vào bản chất chính xác của chuỗi, ví dụ một chuỗi có các ký tự lặp lại làm giảm hiệu suất ( đó là điều được mong đợi ).

Vì tò mò, tôi đã thử nghiệm điều này trên hệ thống Arch Linux:

$ uname -r
4.4.5-1-ARCH
$ df -h .
Filesystem      Size  Used Avail Use% Mounted on
tmpfs           3.9G  720K  3.9G   1% /tmp
$ dd if=/dev/urandom bs=1M count=1K | base64 > foo
$ df -h .                                         
Filesystem      Size  Used Avail Use% Mounted on
tmpfs           3.9G  1.4G  2.6G  35% /tmp
$ for i in {1..100}; do /usr/bin/time -f '%e' -ao grep.log grep -iq foobar foo; done
$ for i in {1..100}; do /usr/bin/time -f '%e' -ao egrep.log egrep -q '[fF][oO][oO][bB][aA][rR]' foo; done

$ grep --version
grep (GNU grep) 2.23
Copyright (C) 2016 Free Software Foundation, Inc.
License GPLv3+: GNU GPL version 3 or later <http://gnu.org/licenses/gpl.html>.
This is free software: you are free to change and redistribute it.
There is NO WARRANTY, to the extent permitted by law.

Written by Mike Haertel and others, see <http://git.sv.gnu.org/cgit/grep.git/tree/AUTHORS>.

Và sau đó một số thống kê lịch sự của Có cách nào để lấy min, max, trung vị và trung bình của một danh sách các số trong một lệnh không? :

$ R -q -e "x <- read.csv('grep.log', header = F); summary(x); sd(x[ , 1])"
> x <- read.csv('grep.log', header = F); summary(x); sd(x[ , 1])
       V1       
 Min.   :1.330  
 1st Qu.:1.347  
 Median :1.360  
 Mean   :1.362  
 3rd Qu.:1.370  
 Max.   :1.440  
[1] 0.02322725
> 
> 
$ R -q -e "x <- read.csv('egrep.log', header = F); summary(x); sd(x[ , 1])"
> x <- read.csv('egrep.log', header = F); summary(x); sd(x[ , 1])
       V1       
 Min.   :1.330  
 1st Qu.:1.340  
 Median :1.360  
 Mean   :1.365  
 3rd Qu.:1.380  
 Max.   :1.430  
[1] 0.02320288
> 
> 

Tôi đang ở en_GB.utf8địa phương, nhưng thời gian gần như không thể phân biệt được.