我正在使用
jq
读取巨大的 json 文件,例如:
jq -r '[.a, .b, .time] | @tsv' file.txt
这些文件以
gz
文件的形式出现,我每天都会花 20 分钟来 gunzip
它们。
我想知道是否可以直接从 jq
格式读取带有 gz
的文件?如果是这样,总体上会更快还是会减慢我的进程?
如果需要20分钟才能解压,那么无论该库是被
gunzip
使用还是被jq
使用,解压都会需要20分钟。
但是,您可以避免将解压缩的文件写入磁盘以及与之相关的时间。这可以通过使用以下方法之一来实现:
gunzip -c file.gz | jq -r '[ .a, .b, .time ] | @tsv' >file.tsv
gunzip <file.gz | jq -r '[ .a, .b, .time ] | @tsv' >file.tsv
需要明确的是,上述内容使用了最少的内存。任何时候在内存中都找不到完整的三个文件(压缩文件、解压缩文件或 TSV 文件)中的任何一个。
以下演示了
jq
的流式本质:
$ (
j='{"a": "a", "b": "a", "time": "20210210T10:10:00"}'
printf '%s\n' "$j"
printf '%s\n' "$j"
sleep 4
printf '%s\n' "$j"
) | jq -r '[ .a, .b, .time, now ] | @tsv'
a a 20210210T10:10:00 1620305187.460741
a a 20210210T10:10:00 1620305187.460791
[4 second pause]
a a 20210210T10:10:00 1620305191.459734
前两条记录立即发出,第三条记录在 4 秒后发出。这通过时间戳反映出来。