场景

线上出了问题,我需要去查找log来定位问题,但是由于线上数据量庞大,这些log文件每过一个小时就会自动回滚一次,尽管如此,有的log文件依然达到了五六g以上的大小。

对于这种巨大的log文件,常用的一些文本编辑器诸如EditPlus、Notepad++就不用说了,打开几百m的文件都会很卡,上g的直接程序崩溃。虽然UltraEdit对于大文件的读取会友好一些,但打开这种五六g的文件时也会陷入长时间的无响应状态。

后来我又得知了一个看log神器——glogg,打开五六g的大文件速度很快,但是有个问题,就是只能读取文件,不能编辑文件。毕竟我不只是要查看log,有时候还要对这些有用的log信息进行编辑。最后还是决定先把大文件分割成数个小文件,再用UltraEdit来查看这些文件。

使用split命令分割大文件

在Linux下,切割和合并文件可以使用split和cat命令来实现。
在Windows下,安装Git Bash也可以使用split和cat命令。

分割文件的命令是​​split​​​,通过输入​​split --help​​​可以查询帮助信息。假设现在有个6GB大小的文件​​test.log​​,这里简单介绍下几种分割的方式:

按大小分割文件

split -b 1000000000 test.log

​-b​​​参数表示按字节大小进行分割,在数字后边要指定被分割的文件名。这里在输入文件名时有个小技巧,可以直接把该文件拖动到cmd窗口中,会自动输入该文件的具体目录。这里的文件还可以使用通配符,比如​​split -b 1000000000 *​​。

这个命令表示按1000000000byte的大小进行分割,近似于1GB,大概是953MB的大小。对于这个6GB大小的文件​​test.log​​​,会被分割成6个小文件。这些小文件的命名是有规律的:xaa、xab、xac、xad、xae、xaf。如果你分割了非常多的小文件,当文件名到了​​xyz​​之后,会变成xzaaa、xzaab、xzaac、xzaad……所以不用担心小文件过多而导致文件重名什么的。

当然,上边的这种写法不够人性化,我们可以使用其他的单位来指定分割的大小:k、m。k表示KB,m表示MB。

​split -b 100k test.log​​​表示将test.log按照100KB的大小进行分割。
​​​split -b 100m test.log​​表示将test.log按照100MB的大小进行分割。

按照所有行数加起来的最大字节数进行分割

split -C 100k test.log

​-C​​​参数表示按照所有行数加起来的最大字节数进行分割,同样可以使用​​k​​​或者​​m​​​作为单位,其实效果和上边的​​-b​​差不多,只是在切割时将尽量维持每行的完整性。

按照行数进行分割

split -l 1000 test.log
split -1000 test.log

​-l​​​参数表示按照行数进行分割,即一个小文件中最多有多少行,​​-l number​​​可以缩写成​​-number​​,上边的命令表示按照1000行一个小文件进行分割。

注意点

这三种分割的方式不能混合使用,如下:

split -l 3000 -C 100k *

会报错​​split: cannot split in more than one way​​。