Пишем замену find(1) на golang под Linux

в 16:33, , рубрики: find, Go, golang, linux, ненормальное программирование, Программирование, чтение директории

Пишем замену find(1) на golang под Linux - 1 Для одной внутренней утилиты мне понадобилось написать сканирование изменений в директории, по аналогии с утилитой find, и я столкнулся с неожиданной вещью: стандартный Open()+Readdir()+Close() в go очень медленным по сравнению с тем, как работает linux'овая утилита find. На картинке можно видеть strace этой утилиты. Можно видеть, что она делает какие-то очень странные системные вызовы, и в этих системных вызовах мы и попытаемся разобраться и написать аналог find на go, который будет работать только под Linux, но зато со сравнимой скоростью.

Наивная реализация

Давайте для начала напишем «наивную» реализацию find, которая будет для простоты рекурсивно выводить список файлов в директории.

package main
import (...)

func readdir(dir string) {
	dh, err := os.Open(dir)
	defer dh.Close()
	for {
		fis, err := dh.Readdir(10)
		if err == io.EOF {
			break
		}
		for _, fi := range fis {
			fmt.Printf("%s/%sn", dir, fi.Name())
			if fi.IsDir() {
				readdir(dir + "/" + fi.Name())
			}
		}
	}
}

func main() {
	readdir(os.Args[1])
}

(полный код, с импортами и обработкой ошибок)

Если мы запустим этот код, то он, безусловно, будет работать, но wall time и rusage будут примерно в 3 раза больше, чем у find (разница в один файл объясняется тем, что мы не печатаем саму запрошенную директорию, в отличие от find):

$ time find /path/to/dir | wc -l
169561

real	0m0.333s
user	0m0.104s
sys	0m0.272s

$ time  GOGC=300 ./find-simple /path/to/dir | wc -l
169560

real	0m1.160s
user	0m0.540s
sys	0m0.944s

Заметим, что system time уж очень большой, и добавим буферизацию вывода:

@@ -7,5 +7,7 @@ import (
+var bufout = bufio.NewWriter(os.Stdout)
 func readdir(dir string) {
@@ -28,3 +30,7 @@ func readdir(dir string) {
                for _, fi := range fis {
-                       fmt.Printf("%s/%sn", dir, fi.Name())
+                       bufout.WriteString(dir)
+                       bufout.WriteByte('/')
+                       bufout.WriteString(fi.Name())
+                       bufout.WriteByte('n')
                        if fi.IsDir() {
@@ -44,2 +50,3 @@ func main() {
        readdir(dir)
+       bufout.Flush()
 }

(полная версия)

Результаты будут уже намного лучше, но всё равно далеки от идеала:

$ time  GOGC=300 ./find-simple-bufio /path/to/dir | wc -l
169560

real	0m0.796s
user	0m0.352s
sys	0m0.616s

Для примера, вот результат для такой же программы на PHP:

$ php ~/find-ob.php /path/to/dir | wc -l
169560

real	0m0.777s
user	0m0.276s
sys	0m0.500s

Программа на PHP даже немного быстрее и потребляет измеримо меньше ресурсов! Это явно не то, что хотелось бы получить от компилируемого языка…

Изучаем системные вызовы Linux

Если вглядеться в strace от find, можно заметить, что он делает getdents64 и почти не делает stat! Но при этом утилита каким-то образом знает, какие имена соответствуют директориям. Посмотрим, что это за вызов getdents64 такой:

SYNOPSIS
       int getdents(unsigned int fd, struct linux_dirent *dirp,
                    unsigned int count);

DESCRIPTION
       This is not the function you are interested in.  Look at readdir(3) for the POSIX conforming C library interface.  This page documents the bare kernel system call interface. The system call getdents() reads several linux_dirent structures from the directory referred to by the open file descriptor fd into the buffer pointed to by dirp.  The argument count is specifies the size of that buffer.

       The linux_dirent structure is declared as follows:

           struct linux_dirent {
...
               char           d_name[];
               char           pad;       // Zero padding byte */
               char           d_type;    // File type (only since Linux 2.6.4
           }

Это именно то, что нам нужно! Что интересно, на BSD-системах при чтении директории тоже доступно поле с типом файла (d_type), для некоторых файловых систем. Нас всячески отговаривают использовать этот системный вызов, но ту же утилиту find это ни капельки не смущает.

Как оказалось, «под капотом» стандартная библиотека go тоже зовет getdents(2), так что нам остается только «выдрать» код, который это делает и очистить его от всего лишнего:

package main
import (...)
var bufout = bufio.NewWriter(os.Stdout)

func readdir(dir string, file string, dirfd int, pathbuf []byte) {
	origbuf := make([]byte, 4096) // буфер, куда будет читать getdents
	dh, err := syscall.Openat(dirfd, file, syscall.O_RDONLY, 0777) // открываем файл директории по относительному пути
	origpathbuf := pathbuf[0:0] // нам передают буфер для хранения пути файла, сбрасываем его

	for {
		n, errno := syscall.ReadDirent(dh, origbuf) // вызываем getdents
		if n <= 0 {
			break // EOF
		}

		buf := origbuf[0:n] // нам вернули число прочитанных байт, это нужно использовать :)
		for len(buf) > 0 {
                        // следующий код выдран из кода ParseDirent:
			dirent := (*syscall.Dirent)(unsafe.Pointer(&buf[0]))
			buf = buf[dirent.Reclen:]
			if dirent.Ino == 0 { // File absent in directory.
				continue
			}
			bytes := (*[10000]byte)(unsafe.Pointer(&dirent.Name[0]))
			name := bytes[0:clen(bytes[:])] // функция clen() возвращает длину сишной строки
			if len(name) == 1 && name[0] == '.' || len(name) == 2 && name[0] == '.' && name[1] == '.' {
				continue
			}

                        // пишем полный путь в буфер с конечным именем файла,
                        // чтобы не выделять память для маленьких кусочков
			pathbuf = append(pathbuf, dir...)
			pathbuf = append(pathbuf, '/')
			pathbuf = append(pathbuf, file...)
			dirlen := len(pathbuf)

			pathbuf = append(pathbuf, '/')
			pathbuf = append(pathbuf, name...)
			pathbuf = append(pathbuf, 'n')

			bufout.Write(pathbuf)

                        // только в случае, если это директория, создаем string
			if dirent.Type == syscall.DT_DIR {
				readdir(string(pathbuf[0:dirlen]), string(name), dh, origpathbuf)
			}

			pathbuf = origpathbuf[0:0]
		}

		buf = origbuf[0:0]
	}

	syscall.Close(dh)
}

func main() {
	dir := os.Args[1]
	parentDir := filepath.Dir(dir)
	dh, err := os.Open(parentDir)
	pathbuf := make([]byte, 16 * 1024)
	readdir(parentDir, filepath.Base(dir), int(dh.Fd()), pathbuf)
	bufout.Flush()
}

(полный исходный код программы, с обработкой ошибок и функцией clen)

Результаты

Со всеми оптимизациями и использованием системного вызова getdents удалось уменьшить потребление ресурсов до такой степени, что оно работает быстрее, чем find:

$ time  GOGC=300 ./find-simple /path/to/dir | wc -l
169560

real	0m1.160s
user	0m0.540s
sys	0m0.944s

$ time GOGC=300 ./find-optimized /path/to/dir | wc -l
169560

real	0m0.200s
user	0m0.060s
sys	0m0.160s

$ time find /path/to/dir | wc -l
169561

real	0m0.333s
user	0m0.104s
sys	0m0.272s

Потребление ресурсов и общее время работы меньше в полтора раза, чем у find. Основные причины для этого состоят в том, что find выдает сортированый список файлов, а также принимает условия для фильтрации списка.

Очевидно, что просто получение списка файлов и вывод его на экран не представляют особой ценности, но такой способ позволяет ускорить многие программы на go, которые, к примеру, предоставляют альтернативу grep за счёт уменьшения накладных расходов на чтение списка файлов из директории.

Ссылки:

Автор: youROCK

Источник


* - обязательные к заполнению поля


https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js