对话 UNIX: 探察管道

管道操作符把一个 UNIX? 命令连接到另一个命令，从而在命令行上创建专门的程序。但是，管道像是黑箱子，用户看不到从一个命令传递到下一个命令的数据。Pipe Viewer 可以探察管道。本文介绍如何在日常任务中使用它。

UNIX 中最巧妙最强大的功能之一是 shell。shell 比 GUI 高效得多，还可以通过编写脚本自动执行许多任务。更好的是，管道操作符可以在命令行上组装出专门的程序。管道按次序把命令连接起来，前一个命令的输出作为后一个命令的输入。

常用缩写词 GUI：Graphical user interface

但是，管道有一个大缺点：它像是黑箱子。如果把命令连接在一起，那么只有序列中最后一个命令生成的输出能够反映管道的进度。当然，可以在序列中插入 tee，还可以用 tail 查看输出文件的增长，但是这些解决方案都不完善，会把多个阶段的标准输出 (stdout) 和标准错误 (stderr) 混在一起。另外，这两个解决方案比较粗糙，很可能无法表明每个步骤所需的计算量。

当然，可以把复杂的序列分解为多个单独的步骤，每个步骤有自己的中间输出文件。的确，如果希望检查每个步骤的结果，分解是最理想的方法。编写一个脚本，为每个步骤生成一个数据文件，在每对步骤之间使用数据文件作为输入，以最后的文件作为最终结果。但是，这种做法浪费了命令行的灵活性。

我们需要的是一个可以嵌入命令行中的进度度量工具。理想情况下，可以对每个步骤重复使用这个工具，它应该是开放源码的，可以移植到 Linux? 和 Mac OS X 等多种 UNIX 变体上。

好了，不必再盼望了：Pipe Viewer (pv) 就是这样的工具。它由系统管理员 Andrew Wood 编写，经过其他许多开发人员改进，前后历时四年。它提供了探察命令行管道的能力。它的 项目页面 上说，pv “可以插入管道中两个进程之间，从而显示传递数据的速度、已经花费的时间以及剩余时间。” 更引人注目的是，可以在同一个命令行中插入多个 pv 实例以显示相对吞吐量。

本文介绍如何在 UNIX 系统上构建 pv，以及如何在简单和复杂的命令行组合中应用它。但是，我们首先回顾一下管道连接进程的方式。

UNIX 管道：进程的连接

图 1 说明通过创建管道连接两个独立进程的步骤。

首先，在第一阶段，初始进程从标准输入 stdin 读取数据，把输出写到 stdout，把错误发送到 stderr。stdin、stdout 和 stderr 都是文件描述符，即文件的句柄。文件句柄上的每个操作（例如 open、read、write、rewind、truncate 和 close）影响文件的状态。

接下来，在第二阶段，初始进程创建一个管道。管道由一个队列和两个文件描述符（一个用于数据入列，另一个用于数据出列）组成。管道是先入先出 (FIFO) 数据结构。

管道本身没什么用；它的作用是连接数据生成者和数据消费者。因此，初始进程在第三阶段生成（创建）第二个进程，它作为数据消费者。

在第四阶段（假设新的进程是消费者），原来的进程把它的 stdout 替换为管道的生成者端，让刚生成的进程连接管道的消费者端，以它作为自己的 stdin。经过这些调整之后，原来的进程（现在的生成者）执行的每个 write 操作都进入队列，然后由新进程（现在的消费者）读取。

在使用命令行管道操作符 (|) 连接两个实用程序时，shell 就是采用第一到第四阶段这样的过程，但是 shell 为每个实用程序生成新进程，其本身并不执行作业控制。

例如，图 2 说明如何通过管道连接 find、grep 和 wc 命令，从而寻找名称以小写字母 a 开头的所有文件并统计其数量。shell 仍然是独立的；find 是生成者，grep 作为 find 的消费者和 wc 的生成者。wc 也同时作为消费者和生成者：它消费来自 grep 的数据并向 stdout 生成输出。通常，shell 把 stdout 连接到一个终端，但是也可以把输出重定向到文件。

如果希望探察两个 UNIX 进程，那么要创建两个管道，重新连接每个进程的文件描述符，让它们同时作为生成者和消费者。图 3 说明覆盖这两个进程的 stdin 和 stdout 的进程间交换。

简单回顾管道之后，我们来看看 Pipe Viewer。

Pipe Viewer：可观察的管道

Pipe Viewer 是一个开放源码应用程序。可以下载它的源代码并从头构建这个应用程序，也可以从您的 UNIX 发行版的存储库获得二进制代码（如果有的话）。

要想从头构建，首先从 Pipe Viewer 项目页面（见 参考资料）下载最新的源代码压缩文件。到 2009 年 9 月中旬，最新版本是 1.1.4。解压压缩文件，进入刚创建的目录，输入 ./configure，然后输入 make 和 sudo make install。在默认情况下，构建过程会在 /usr/local/bin 中安装一个名为 pv 的可执行文件。（输入 ./configure –help 可以看到配置选项的列表）。清单 1 给出安装命令。

$ wget http://pipeviewer.googlecode.com/files/pv-1.1.4.tar.bz2

$ tar xjf pv-1.1.4.tar.bz2

$ cd pv-1.1.4

$ ./configure

$ make

$ sudo make install

$ which pv

/usr/local/bin/pv

要想从存储库获得 pv，应该使用发行版的包管理程序搜索 pv 或 pipe viewer。例如，使用 Ubuntu version 9 的 APT 包管理程序执行搜索会产生以下输出：

$ apt-cache search part viewer

pv – Shell pipeline element to meter data passing through

接下来，使用包管理程序下载并安装包。对于 Ubuntu，命令是 apt-get install：

$ sudo apt-get install pv

安装完成之后，试一下 pv。最简单的使用方法是用 pv 替代传统的 cat 实用程序，把数据提供给另一个程序并测量总吞吐量。例如，可以使用 pv 监视一个长时间的压缩操作：

$ ls -lh listings.txt

-r–r–r–  1 supergiantrobot  staff   109M Sep  1 20:47 listings.txt

$ pv listings.txt | gzip > listings.gz

96.1MB 0:00:09 [11.3MB/s] [=====================>     ] 87% ETA 0:00:01

启动这个命令时，pv 显示一个进度条并不断更新。典型的 pv 输出从左到右依次显示目前已经处理的数据量、经过的时间、吞吐量（以 MB/s 为单位）、工作进度的图形表示和数字表示以及估计的剩余时间。上面的显示表明，在工作 9 秒之后，已经处理了 109MB 中的 96.1MB，剩余数据大约为文件的 13%。

在默认情况下，pv 会显示它能够计算出值的所有状态指标。例如，如果 pv 的输入不是文件，也没有手工指定大小，进度条会从左到右移动以表示有活动，但是由于没有总大小，它无法计算出已经完成的百分比。例如：

$ ssh faraway tar cf – projectx | pv –wait > projectx.tar

Password:

4.34MB 0:00:07 [ 611kB/s] [      <=>                  ]

这个示例在远程机器上运行 tar，把远程命令的输出发送给本地系统以创建 projectx.tar。因为 pv 无法计算出要传输的总字节数，它只能显示到目前为止的吞吐量、经过的时间和一个反映活动的特殊标志。只要有数据流过，就显示从左到右移动的小 “车” (<=>)。

–wait 选项把进度的显示延迟到实际收到第一个字节时。在这里，–wait 是有意义的，因为 ssh 命令可能提示输入密码。

可以根据需要用各种标志启用不同的指标：

$ ssh faraway tar cf – projectx |   pv –wait –bytes > projectx.tar

  Password:

   268kB

这个命令用 –bytes 显示正在处理的字节数。其他选项是 –progress、–timer、–eta、–rate 和 –numeric。如果指定一个或多个显示选项，就会自动地禁用其他所有（未指定的）指标。

pv 有另一种简单的使用方法。–rate-limit 选项可以限制吞吐量。这个选项的参数是一个数字和一个后缀，比如 m 表示 MB/s：

$ ssh faraway tar cf – projectx |   pv –wait –quiet –rate-limit 1m > projectx.tar

这个命令隐藏所有指标 (–quiet) 并把吞吐量限制为 1MB/s。

Pipe Viewer 的高级用法

到目前为止，示例都是使用 Pipe Viewer 的单一实例作为一对命令中的生成者或消费者。但是，也可以使用更复杂的组合。可以在同一个命令行上多次使用 pv，但是有一些限制。具体地说，必须使用 –name 命名 每个 pv 实例，还必须使用 –cursor 启用多行模式。这两个选项的组合创建一系列带标签的输出行，每个命名的实例一行。

例如，假设希望同时单独地监视数据传输和压缩的进度。可以给前一个操作分配一个 pv 实例，给后一个操作分配另一个实例，比如：

$ ssh faraway tar cf – projectx | pv –wait –name ssh |   gzip | pv –wait –name gzip > projectx.tgz

输入密码之后，Pipe Viewer 命令生成两行进度显示：

  ssh: 4.17MB 0:00:07 [ 648kB/s] [     <=>             ]

       gzip:  592kB 0:00:06 [62.1kB/s] [   <=>               ]

第一行的标签是 ssh，显示传输的进度；第二行的标签是 gzip，显示压缩的进度。因为这两个命令都不能确定要操作的字节数，所以每行上只显示累计的总数据量和活动条。

如果知道或者能够估计要操作的字节数，那么可以使用 –size 选项。添加这个选项会在进度条中提供更细粒度的信息。

例如，如果希望监视一个大型存档任务的进度，可以使用其他 UNIX 实用程序计算原文件的总大小。df 实用程序可以显示整个文件系统的统计数据，du 可以计算任意深度的层次结构的大小：

$ tar cf – work | pv –size `du -sh work | cut -f1` > work.tar

在这里，子 shell 命令 du -sh work | cut -f1 以与 pv 兼容的格式生成工作目录的总大小。du -h 产生人习惯的表示格式，比如 17M 表示 17 MB，这种格式适合在 pv 中使用。（ls 和 df 命令也支持通过 -h 产生人可读的格式）。因为 pv 现在知道将通过管道传输的字节数，所以它可以显示真正的进度条：

700kB 0:00:07 [ 100kB/s] [>                    ]  4% ETA 0:02:47

最后，还有一种很有用的技术。除了统计字节数之外，Pipe Viewer 还可以通过计算行数 显示进度。如果指定 –line-mode，pv 会在每次遇到换行符时更新进度条。还可以提供 –size 和预期的行数。

例如，用户经常使用 find 在大范围内寻找很小的东西，比如在大量应用程序代码中寻找使用某个系统调用的所有地方。在这种情况下，可能执行下面这样的命令：

$ find . -type f -name ‘*.c’ -exec grep –files-with-match fopen \{\} \; > results

这个命令会找到包含字符串 fopen 的所有 C 源代码文件并输出文件名。输出收集在名为 results 的文件中。为了反映活动，在这个命令中添加 pv：

$ find . -type f -name ‘*.c’ -exec grep –files-with-match fopen \{\} \; |   pv –line-mode > results

行模式很有意义，因为 find 等许多 UNIX 命令操作文件的元数据，而不是文件的内容。行模式很适合那些复制或压缩大型文件集的系统管理脚本。

一般情况下，只要可以度量速度，就可以在命令行和脚本中插入 Pipe Viewer。但是，可能需要发挥创造性。例如，要度量复制一个目录的速度，应该把 cp -pr 改为 tar：

$ # an equivalent of cp -pr old/somedir new

$ (cd old; tar cf – somedir) | pv | (cd new; tar xf – )

对于 wget、curl 和 scp 等网络实用程序，也可以考虑使用行模式。例如，可以使用 pv 度量大小可变的上传操作的进度。因为许多网络工具可以从文件接收输入，可以使用文件的长度作为 –size 选项的参数。

结束语

Pipe Viewer 是不太为人所知的宝贵工具之一，但是一旦掌握了它，您就会发现离不开它了。您可能在平时使用命令行时发现一些需要应用 pv 的地方，但是更常用的地方是自动化脚本。不再需要盯着闪动的光标长时间等待了，现在可以通过插入 Pipe Viewer 提供实时的反馈。Pipe Viewer 让您能够监视原本隐秘的过程。

关于作者

Martin Streicher 是一位 Ruby on Rails 自由开发人员和 Linux Magazine 的前主编。Martin 毕业于 Purdue University 并获得计算机科学学位，从 1986 年起他一直从事 UNIX 类系统的编程工作。他喜欢收集艺术品和玩具。