The OpenNET Project / Index page

[ новости /+++ | форум | теги | ]

Выпуск GNU grep 2.26

03.10.2016 18:21

Состоялся выпуск утилиты для организации поиска данных в текстовых файлах - GNU Grep 2.26. В новом выпуске реализовано несколько существенных оптимизаций производительности:

  • Значительно увеличена скорость работы при направлении стандартного вывода в /dev/null;
  • Увеличена производительность поиска с использованием шаблона из большого числа фиксированных строк ("grep -F"). Подобный поиск теперь осуществляется с применением алгоритма Ахо—Корасик, вместо ранее используемого алгоритма Коменца-Вальтера;
  • Ускорена работа поиска в режиме "grep -iF" в условиях когда в системе с многобайтовой локалью применяется маска, содержащая только однобайтные символы;
  • Для ускорения запросов со сложными выражениями (например, обратными ссылками), если не указана опция "-i", теперь применяются скомпилированные регулярные выражения (regex fastmap);
  • На системах с многобайтовыми локалями увеличена эффективность обработки шаблонов, начинающихся с точки.


  1. Главная ссылка к новости (http://www.mail-archive.com/in...)
  2. OpenNews: Выпуск GNU grep 2.22
  3. OpenNews: Выпуск GNU grep 2.21
  4. OpenNews: Для FreeBSD подготовлен ng_grep, NetGraph-модуль для фильтрации контента
  5. OpenNews: В рамках проекта CUDA grep обеспечено использование GPU для ускорения регулярных выражений
  6. OpenNews: Лидеры проектов GnuTLS, grep и sed выходят из проекта GNU в знак несогласия с политикой Фонда СПО
Лицензия: CC BY 3.0
Короткая ссылка: https://opennet.ru/45266-grep
Ключевые слова: grep
При перепечатке указание ссылки на opennet.ru обязательно


Обсуждение (48) Ajax | 1 уровень | Линейный | +/- | Раскрыть всё | RSS
  • 1.1, Michael Shigorin (ok), 20:52, 03/10/2016 [ответить] [﹢﹢﹢] [ · · · ]  
  • +1 +/
    Да уж, кодировки с переменным размером символа всё аукаются и аукаются...
     
     
  • 2.2, Crazy Alex (ok), 21:02, 03/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    Именно. Оставили бы одну латиницу - 256 символов как раз бы хватило на все умляуты и подобное. Всё равно дикарям с кириллицей и прочими иероглифами сложную технику давать нежелательно.
     
     
  • 3.3, Аноним (-), 21:31, 03/10/2016 [^] [^^] [^^^] [ответить]  
  • –4 +/
    Вы или крестик снимите (хватить жопничать байты для UCS-4), или трусы оденьте (KOI8-R во все стринги и чары).
     
     
  • 4.4, Stax (ok), 21:43, 03/10/2016 [^] [^^] [^^^] [ответить]  
  • +1 +/
    А UCS-4 не текст, символы с кодом 0, однако. Вы предложите вариант, чтобы без управляющих символов в тексте.
     
     
  • 5.8, Аноним (-), 23:15, 03/10/2016 [^] [^^] [^^^] [ответить]  
  • –2 +/
    Я вообще предлагаю, разработать новую кодировку - машслово со времён 8битовых кодировок выросло в 8 раз, нет ни единой веской причины, кроме legacy, цепляться за эти волшебные 2^8. И да, память в "веские причины" не входит.
     
     
  • 6.13, Аноним (-), 10:21, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    Нет ни единой веской причины разрабатывать кодировку с 8-байтным символом. Ошибки в некоторых продуктах при работе с символами переменной длины в "веские причины" не входят.
     
     
  • 7.30, Аноним (-), 17:35, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • –1 +/
    Т.е. фортеля с сегментной памятью это хорошо и удобно, что аж перешли на модель плоской памяти? А уж как все были в восторге от циркового фокуса под названием PAE, когда в 32битные указатели вдруг вся эта плоская память стала не помещаться.
    Я и говорю, или крестик снимите, или трусы наденьте. Эти грабли с символами переменной длины будут ещё очень долго икаться.
     
  • 4.5, Аноним (-), 21:46, 03/10/2016 [^] [^^] [^^^] [ответить]  
  • +2 +/
    Помню, какая истерика была при переходе на 64-битную архитектуру, что, дескать, память жрёт, а тут все строки в 4 раза увеличить. Ну да, ну да.
     
  • 4.10, Crazy Alex (ok), 00:50, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +2 +/
    Лично меня текущая ситуация - UTF-8 на диске и то, что удобнее в каждом конкретном случае - в памяти - полностью устраивает. Это Шигорина опечалило то, что алгоритм поменяли. А ведь - слава utf-8 - поменяли не из-за того, что поломан, а только ради оптимизации.
     
     
  • 5.19, Аноноим (?), 13:48, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    UTF-8 не нужно по причине непредсказуемости того, сколько символов в этой кодировке можно запихнуть в массив размером столько-то байт. Чисто для примера возьмём максимальную длину имени файла в линуксовых файловых системах, то есть 255 байт. Сколько это будет не латинских букв и цифр при UTF-8? А хз: с кириллицей один результат, с иероглифами другой, с каким-нибудь санскритом или греческим третий. Как выделить в оперативке буфер для текста размером, например, в 1024 символа? Умножай это дело на 6, поскольку в теории символ utf-8 может весить до 6 байт и выделяй, ага:) И прочее и прочее.
     
     
  • 6.21, Аноним (-), 14:09, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +2 +/
    А зачем нужно ровно 1024 символа?
     
     
  • 7.25, Аноноим (?), 14:27, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • –1 +/
    1024 - просто для примера. Ёмкость какого-нибудь буфера для сетевых/файловых операций или ещё чего типа длины строки при использовании паскалеподобных языков, у которых она задаётся заранее вместо нулевого символа в качестве признака конца строки. Вот и думай что лучше: то ли вместо одного килобайта оперативки сразу шесть выделить и не мучиться, то ли ждать грабель из серии "последний символ в отведённой памяти целиком не поместился", либо "ой, блин, файл из архива не вынимается по причине русского и слишком длинного имени".
     
  • 6.22, Stax (ok), 14:18, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +3 +/
    Аллокация с запасом, realloc, аллокация связанных структур и т.д. и т.п.
    Зачем вы в задаче работы с кодировками опускаетесь до нюансов, как оптимизировать аллокацию? Оставьте это другим. Тем более не могу представить задачи, когда в оперативке надо выделять память под utf-8 представление всего объема неких данных, которые есть в другом представлении юникода. Бред же какой-то. Работаете поблочно...

    Проблема с длиной имен, конечно, есть, но только потому, что не придумали универсального и переносимого способа хранить метаинформацию произвольного файла, кроме имени. Вы никакой длиной и кодировкой эту проблему не решите, пока не будет стандарта на метаинформацию. Как дойдет прогресс до работы везде с object storage заместо фс, так и настанет счастье. Ну, относительно...

     
  • 6.23, iZEN (ok), 14:21, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • –2 +/
    > Как выделить в оперативке буфер для текста размером, например, в 1024 символа? Умножай это дело на 6, поскольку в теории символ utf-8 может весить до 6 байт и выделяй, ага:) И прочее и прочее.

    Проблемы сишников явистов и паскалистов не колышат!

     
     
  • 7.26, Аноноим (?), 14:28, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +2 +/
    >> Как выделить в оперативке буфер для текста размером, например, в 1024 символа? Умножай это дело на 6, поскольку в теории символ utf-8 может весить до 6 байт и выделяй, ага:) И прочее и прочее.
    > Проблемы сишников явистов и паскалистов не колышат!

    А фортеров не колышат проблемы и явистов с паскалистами:)

     
     
  • 8.37, iZEN (ok), 21:11, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +1 +/
    точно Это ... текст свёрнут, показать
     
  • 7.48, Аноним Аналитег (?), 20:23, 05/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    Проблемы несколько шире, в MariaDB/MySQL на символ utf8 аллокируется 3 байта, для четырех байтовых символов есть отдельный characterset, для пяти уже нету.
     
  • 5.27, Michael Shigorin (ok), 14:41, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • –1 +/
    > Это Шигорина опечалило то, что алгоритм поменяли.

    Не-а.  Опечалило то, что из-за кривых данных пришлось сперва обтыкивать это всё горами костылей, а потом их ещё перекладывать.

    Кто помнит, сколько времени и где/как в coreutils/grep/sed делали поддержку UTF-8 -- тот поймёт.

     
  • 3.6, Michael Shigorin (ok), 22:04, 03/10/2016 [^] [^^] [^^^] [ответить]  
  • –8 +/
    > Именно. Оставили бы одну латиницу - 256 символов как раз бы хватило
    > на все умляуты и подобное. Всё равно дикарям с кириллицей и
    > прочими иероглифами сложную технику давать нежелательно.

    Особенно мило это утверждение "дикаря" оттеняется разбором подавляющей части достижений "недикарей", сделанной "дикарями" в первом-втором поколении.

    PS: подразумевал ИТ, по которым такой разбор на глаза и попадался.

     
     
  • 4.9, Crazy Alex (ok), 00:47, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +1 +/
    Ну дык - дикарское желание пробиться + образование/цивилизация... ;-)

    P.S. Если кто-то не понял - предыдущий коммент - сарказм. Я хоть и не сторонник пихания в юникод всего, чего можно, включая клингон, но угадывать "а какая у этой хрени была кодировка" на порядок хуже.

     
     
  • 5.20, Michael Shigorin (ok), 14:08, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    > P.S. Если кто-то не понял - предыдущий коммент - сарказм.

    Эт как раз понятно, просто смотришь на достижения "цивилизации" и понимаешь, что лучше б её такой не было вовсе.

    > Я хоть и не сторонник пихания в юникод всего, чего можно, включая клингон,
    > но угадывать "а какая у этой хрени была кодировка" на порядок хуже.

    UCS-4 выглядит разумнее всем, кроме... обратной совместимости с семибитной ASCII.

     
     
  • 6.51, noko (?), 02:41, 31/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    Ахах, до сих пор 100% ватан)
     
  • 4.17, Клыкастый (ok), 12:13, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • –1 +/
    Михаил заработался и не смог в сарказм :)
     
  • 3.11, Vkni (ok), 01:17, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    > Всё равно дикарям с кириллицей и прочими иероглифами сложную технику давать нежелательно.

    Алекс, через 30 лет вы на первое место поставите иероглифы, а дикари у вас будут с алфавитами.

     
     
  • 4.16, вотак (?), 11:46, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    >> Всё равно дикарям с кириллицей и прочими иероглифами сложную технику давать нежелательно.
    > Алекс, через 30 лет вы на первое место поставите иероглифы, а дикари
    > у вас будут с алфавитами.

    расскажите нам а почему китайцы до сих пор не захватили монголию?

     
     
  • 5.45, Аноним (-), 01:55, 05/10/2016 [^] [^^] [^^^] [ответить]  
  • –1 +/
    Гуглите, что такое "внутренняя монголия" и где она находится.
     
  • 4.18, Клыкастый (ok), 12:14, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • –1 +/
    > Алекс, через 30 лет вы на первое место поставите иероглифы, а дикари у вас будут с алфавитами.

    в Поднебесной уже давно так.

     
     
  • 5.24, iZEN (ok), 14:22, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • –1 +/
    >> Алекс, через 30 лет вы на первое место поставите иероглифы, а дикари у вас будут с алфавитами.
    > в Поднебесной уже давно так.

    В Японии же.


     
     
  • 6.28, Клыкастый (ok), 14:50, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • –1 +/
    > В Японии же.

    почему у одичавших на острове китайцев будет поиначе? :)


     
  • 6.33, Crazy Alex (ok), 19:20, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    Японская письменность весьма условно иероглифы - их там что-то около трёх тысяч употребляется, всё остальное добирается слоговым письмом. Примерным аналогом их иероглифов в алфавитных языках можно считать корни слов.
     
  • 5.34, Crazy Alex (ok), 19:21, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    Я ж говорю - дикари
     
  • 4.32, Crazy Alex (ok), 19:16, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    Я (возможно, предвзято) придерживаюсь мнения, что цивилизация в её современном/будущем виде с иероглифами совместима плохо. По причинам в основном психологического толка. Пока это подтверждается - товарищи, у которых нет алфавита, всё ещё догоняют и копируют, хоть и на очень хорошем уровне. Оригинальных открытий/изобретений особо не видно.
     
     
  • 5.36, Michael Shigorin (ok), 19:57, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    > товарищи, у которых нет алфавита

    Напомню про опиумные войны -- сдаётся мне, разница ещё и в совести либо её отсутствии.

     
  • 5.38, Vkni (ok), 21:26, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    > Я (возможно, предвзято) придерживаюсь мнения, что цивилизация в её современном/будущем
    > виде с иероглифами совместима плохо.

    Алекс, ну ты что, ну зачем учить 33 буквы, когда можно выучить 3 тысячи иероглифов!!! :-)

     
     
  • 6.43, fail (?), 00:04, 05/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    >> Я (возможно, предвзято) придерживаюсь мнения, что цивилизация в её современном/будущем
    >> виде с иероглифами совместима плохо.
    > Алекс, ну ты что, ну зачем учить 33 буквы, когда можно выучить
    > 3 тысячи иероглифов!!! :-)

    угу, и про четыре тональности не забыть - т.сказать развивать музыкальный слух

     
  • 2.40, Led (ok), 23:28, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    Это не однобайнтные кодировки аукаются, а однобайтные терминалы.
     
     
  • 3.46, Crazy Alex (ok), 04:31, 05/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    О том, как терминалы аукаются, вообще вспоминать неохота.
     

  • 1.7, KonstantinB (ok), 22:25, 03/10/2016 [ответить] [﹢﹢﹢] [ · · · ]  
  • +9 +/
    > Значительно увеличена скорость работы при направлении стандартного вывода в /dev/null

    Web scale!

     
     
  • 2.15, IZh. (?), 10:36, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +2 +/
    А ещё вечный цикл стал выполняться в два раза быстрее. ;-)
     

  • 1.14, Аноним (-), 10:24, 04/10/2016 [ответить] [﹢﹢﹢] [ · · · ]  
  • –2 +/
    Когда уже добавят поддержку systemd?

    Жду-недождусь systemd-grepd с поддержкой multiseat!

     
  • 1.29, XoRe (ok), 15:25, 04/10/2016 [ответить] [﹢﹢﹢] [ · · · ]  
  • –1 +/
    > Значительно увеличена скорость работы при направлении стандартного вывода в /dev/null;

    Просто делает вид, что работает, раз вывод не нужен?

     
     
  • 2.31, Анонимкин (?), 19:11, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +/
    Вполне рабочий кейз:
    [lexa@centos-test ~]$ cat text.txt
    some text
    [lexa@centos-test ~]$ grep some text.txt > /dev/null
    [lexa@centos-test ~]$ echo $?
    0
    [lexa@centos-test ~]$ grep same text.txt > /dev/null
    [lexa@centos-test ~]$ echo $?
    1
     
     
  • 3.42, Led (ok), 23:34, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +1 +/
    -q не осилил?
     
  • 2.35, Crazy Alex (ok), 19:21, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • –1 +/
    Может интересовать только $?, например
     
  • 2.39, Andrey Mitrofanov (?), 21:28, 04/10/2016 [^] [^^] [^^^] [ответить]  
  • +1 +/
    >> Значительно увеличена скорость работы при направлении стандартного вывода в /dev/null;
    > Просто делает вид, что работает, раз вывод не нужен?

    Скорее -m1 -q ж симулирует.

    И вообще, там http://git.savannah.gnu.org/gitweb/?p=grep.git&a=search&h=v2.26&st=commit&s=d же есть http://git.savannah.gnu.org/gitweb/?p=grep.git;a=commit;h=af6af288eac28951b5e git.

    Ускоряем /dev/null, дай Керниган кажому:
    This sped up 'seq 10000000000 | grep . >/dev/null' by a factor of 380,000 on my platform

     

  • 1.47, curious (?), 13:31, 05/10/2016 [ответить] [﹢﹢﹢] [ · · · ]  
  • –2 +/
    > Значительно увеличена скорость работы при направлении стандартного вывода в /dev/null;

    Мне кажется, что нефиг программе знать куда я её вывод перенаправляю (и менять своё поведение из-за этого).

     
     
  • 2.49, Andrey Mitrofanov (?), 09:38, 06/10/2016 [^] [^^] [^^^] [ответить]  
  • +1 +/
    >> Значительно увеличена скорость работы при направлении стандартного вывода в /dev/null;
    > Мне кажется, что нефиг программе знать куда я её вывод перенаправляю (и
    > менять своё поведение из-за этого).

    А я вот уверен, что уважающая _меня_ программа должна грепать в дев-нулл быстро, как только может.

     
  • 2.50, анон (?), 15:29, 07/10/2016 [^] [^^] [^^^] [ответить]  
  • +1 +/
    Скажи это --color=auto
     

     Добавить комментарий
    Имя:
    E-Mail:
    Текст:



    Партнёры:
    PostgresPro
    Inferno Solutions
    Hosting by Hoster.ru
    Хостинг:

    Закладки на сайте
    Проследить за страницей
    Created 1996-2024 by Maxim Chirkov
    Добавить, Поддержать, Вебмастеру