Как разбить файл и сжать напрямую?

13

У меня есть файл размером 100 ГБ, и я хочу разделить на 100 файлов по 1 ГБ каждый (по разрыву строки)

например

split --bytes=1024M /path/to/input /path/to/output

Для 100 сгенерированных файлов я хочу применить gzip / zip к каждому из этих файлов.

Можно ли использовать одну команду?

— Райан
источник

2

Для до 1 ГБ на файл (меньше, если следующая строка поместит его) использовать --line-bytes=1024M.

— Брайан,

31

Используйте "--filter":

split --bytes=1024M --filter='gzip > $FILE.gz' /path/to/input /path/to/output

— Питер
источник

это не работает для меня, продолжает перезаписывать тот же файл, что и $ FILE, не определен и даже не записывает в папку des.

— Сплайзан

моя ошибка, мне нужны одинарные кавычки, чтобы заменить $ FILE, моя большая ошибка, извинения и спасибо за помощь: эта последняя команда сработала для меня, чтобы сохранить данные fastq, которые представлены блоками из 4 строк: 'zcat ERR3152365.fastq.gz | split -a 3 -d -l 1200000 - числовые суффиксы --filter = 'pigz -p 8> $ FILE.fq.gz' - splitout / part_ '

— splaisan

0

Однострочник с условным условием настолько близок, насколько это возможно.

cd /path/to/output && split --bytes=1024M /path/to/input/filename && gzip x*

gzipбудет выполняться только в случае splitуспеха из-за условного условия, &&которое также находится между cdи splitгарантирует, что cdоно также успешно выполнено. Обратите внимание, что splitи gzipвывод в текущий каталог вместо возможности указать выходной каталог. Вы можете сделать каталог, если это необходимо:

mkdir -p /path/to/output && cd /path/to/output && split --bytes=1024M /path/to/input/filename && gzip x*

Чтобы собрать все это вместе:

gunzip /path/to/files/x* && cat /path/to/files/x* > /path/to/dest/filename

— Приостановлено до дальнейшего уведомления.
источник

0

Использование этой команды с -dопцией позволяет вам генерировать числовые суффиксы.

split -d -b 2048m "myDump.dmp" "myDump.dmp.part-" && gzip myDump.dmp.part*

Сгенерированные файлы:

    myDump.dmp.part-00
    myDump.dmp.part-01
    myDump.dmp.part-02
    ...

— Iván
источник

0

Функция bash для сжатия на лету с помощью pigz

function splitreads(){

# add this function to your .bashrc or alike
# split large compressed read files into chunks of fixed size
# suffix is a three digit counter starting with 000
# take compressed input and compress output with pigz
# keeps the read-in-pair suffix in outputs
# requires pigz installed or modification to use gzip

usage="# splitreads <reads.fastq.gz> <reads per chunk; default 10000000>\n";
    if [ $# -lt 1 ]; then
        echo;
        echo ${usage};
        return;
    fi;

# threads for pigz (adapt to your needs)
thr=8

input=$1

# extract prefix and read number in pair
# this code is adapted to paired reads
base=$(basename ${input%.f*.gz})
pref=$(basename ${input%_?.f*.gz})
readn="${base#"${base%%_*}"}"

# 10M reads (4 lines each)
binsize=$((${2:-10000000}*4))

# split in bins of ${binsize}
echo "# splitting ${input} in chuncks of $((${binsize}/4)) reads"

cmd="zcat ${input} \
  | split \
    -a 3 \
    -d \
    -l ${binsize} \
    --numeric-suffixes \
    --additional-suffix ${readn} \
    --filter='pigz -p ${thr} > \$FILE.fq.gz' \
    - ${pref}_"

echo "# ${cmd}"
eval ${cmd}
}

— splaisan
источник