适用背景
最近，有一批任务需要把两批的fastq合并到一起并压缩成一个fastq文件才能继续往下做，由于存储空间有限又不能直接全部跑上，只能按样本逐个分批跑。众所周知，一般fastq是成对存在的，所需要对read1和read2分别合并一次，然而这次任务的fastq文件比较大，合并然后压缩一次需要1天左右，那对于一组fastq就要2-3天，这也太耗时间了，所以我在想能不能read1和read2 同时跑上，这就可以节省一半的时间了。
平时也能遇到很多类似的任务，特别是在进程数有限的情况下，如果这些小任务单独占用一个进程，而任务很多就很耗时间，如果能在一个进程下实现多个线程并行执行，就能大大提高运行效率。关于进程和线程的知识可以参考知乎的这篇文章【Shell“ 多线程”，提高工作效率】，整理的也比较有条理，能比较容易读懂。
当然，某些博主也写过类似的文章，例如这篇【shell后台限制多并发控制后台任务强度进行文件拷贝】但是实在是太高深莫测了，看不懂，一时半会儿也学不会。本文将示例Shell实现多线程的简单版本，其实不用太复杂。
快速使用版
其实只需要两个步骤，第一步是给需要并行运行的命令行在结尾加上"&"，代表放到后台运行，第二步是在在所有并行任务的后面加上一句“wait”，意思是等所有通过“&”放到后台运行的任务跑完后再继续执行后面的任务，这些就能实现所有带有“&”的行并行执行了。
##并行合并fastq文件，带有&的行都会并行运行
zcat L01_527_1.fq.gz L01_528_1.fq.gz |gzip > test_1.fq.gz &
zcat L01_527_2.fq.gz L01_528_2.fq.gz |gzip > test_2.fq.gz &
#wait代表等上面的任务跑完了才会接着跑后面的脚本
wait
echo “Merged!”
#对上面合并好的fastq计算MD5值，也是并行执行
md5sum test_1.fq.gz &
md5sum test_2.fq.gz &
wait
echo "Done!"
看完脚本是不是觉得很简单？
大批量循环版
上面的脚本适合并行任务少的，可以手动加&和wait，但是如果有几十个甚至上百个的小任务就比较麻烦了。但不用担心，可以写个循环，批量运行。
-
for
循环的结果也是跟上面类似的，只是多了个循环结构。
#创建数组
arr=(test_1.fq.gz test_2.fq.gz)
#使用for循环批量放到后台执行，用大括号"{}"括起需要并行执行的脚本
for line in ${arr[@]}
do
{
md5sum ${line}
}&
done
wait
如果需要执行的任务只有一行，可以把大括号去掉。
arr=(test_1.fq.gz test_2.fq.gz)
#使用for循环批量放到后台执行，用大括号"{}"括起需要并行执行的脚本
for line in ${arr[@]}
do
md5sum ${line} &
done
wait
- while
while循环也是类似的，可以逐行读入文件进行操作。
echo test_1.fq.gz >> fq.list
echo test_2.fq.gz >> fq.list
while read line
do
{
md5sum ${line} &
}&
done < fq.list
关于for和while的循环可以查看之前的文章【Shell常用循环示例（for和while批量处理）2022-05-25】
总结与小结
需要注意的是多线程并行还是需要有限制的，毕竟都是在一个进程里运行，如果线程太多了会卡顿的，建议控制在100个以内，当然还有毕竟高级和复杂的方法可以实现限制。因为上面的脚本已经够我用了，没继续往下学，以后可以再补充。
网友评论