[root@server]# awk '!seen[$0]++' out.txt > cleaned
awk: (FILENAME=out.txt FNR=8547098) fatal error: internal error
Aborted
[root@server]#
“服务器”具有:8 GB RAM + 16 GB SWAP,x> 300 GB可用空间,amd64,台式机CPU。科学版Linux 6.6。没有其他东西可以运行来进行LOAD。Awk会在几秒钟后中止。out.txt为〜1.6 GB。GNU Awk 3.1.7。
问题:如何在保留行顺序的同时删除重复的行?大小写也很重要,例如:“ A”和“ a”是两个不同的行,必须保留它。但是“ a”和“ a”是重复的,仅需要第一个。
答案可能在任何情况下..如果awk对此不利。.那么perl / sed ..可能是什么问题?
[root@server]# ulimit -a
core file size (blocks, -c) 0
data seg size (kbytes, -d) unlimited
scheduling priority (-e) 0
file size (blocks, -f) unlimited
pending signals (-i) 61945
max locked memory (kbytes, -l) 99999999
max memory size (kbytes, -m) unlimited
open files (-n) 999999
pipe size (512 bytes, -p) 8
POSIX message queues (bytes, -q) 819200
real-time priority (-r) 0
stack size (kbytes, -s) 99999999
cpu time (seconds, -t) unlimited
max user processes (-u) 61945
virtual memory (kbytes, -v) unlimited
file locks (-x) unlimited
[root@server]#
更新:我在RHEL机器上尝试了此操作,它没有异常终止,但是我没有时间等待它完成。.为什么SL linux与RHEL有所不同?
更新:我正在尝试在Ubuntu 14虚拟gues ..到目前为止,它可以工作!这不是一个无限的问题:mawk 1.3.3
root@asdf-VirtualBox:~# ulimit -a
core file size (blocks, -c) 0
data seg size (kbytes, -d) unlimited
scheduling priority (-e) 0
file size (blocks, -f) unlimited
pending signals (-i) 51331
max locked memory (kbytes, -l) 64
max memory size (kbytes, -m) unlimited
open files (-n) 1024
pipe size (512 bytes, -p) 8
POSIX message queues (bytes, -q) 819200
real-time priority (-r) 0
stack size (kbytes, -s) 8192
cpu time (seconds, -t) unlimited
max user processes (-u) 51331
virtual memory (kbytes, -v) unlimited
file locks (-x) unlimited
root@asdf-VirtualBox:~#
我怀疑这会有所不同,但是,以防万一,这是在Perl中执行相同操作的方法:
perl -ne 'print if ++$k{$_}==1' out.txt
如果问题是将唯一的行保留在内存中,那将与awk
您尝试的问题相同。因此,另一种方法可能是:
cat -n out.txt | sort -k2 -k1n | uniq -f1 | sort -nk1,1 | cut -f2-
怎么运行的:
在GNU系统上,cat -n
将在每行前添加行号,并在一定数量的空格之后加上一个<tab>字符。cat
通过管道将此输入表示形式传递到sort
。
sort
的-k2
选项指示它在排序时仅考虑从第二个字段到行尾的字符,并且sort
默认情况下在空白(或cat
插入的空格和<tab>)上分割字段。
当紧随其后时-k1n
,首先sort
考虑第二个字段,然后考虑第二个字段(在相同-k2
字段的情况下),它考虑第一个字段,但按数字排序。因此,重复的行将按照出现的顺序进行排序。
uniq
-被告知忽略第一个字段(-f1
也被空格隔开),并在原始文件中产生唯一行的列表,然后通过管道传递回sort
。sort
以数字方式对第一个字段(cat
插入的行号)进行排序,使排序顺序恢复为原始文件中的顺序,并将这些结果通过管道传递给cut
。cut
删除由插入的行号cat
。这cut
仅通过从第二个字段到行尾的打印来实现(并且cut
默认的分隔符是<tab>字符)。为了显示:
$ cat file
bb
aa
bb
dd
cc
dd
aa
bb
cc
$ cat -n file | sort -k2 | uniq -f1 | sort -k1 | cut -f2-
bb
aa
dd
cc
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句