Genera distribuzione delle dimensioni dei file dal prompt dei comandi

Ho un filesystem che ha un paio di milioni di file e mi piacerebbe vedere una distribuzione di dimensioni dei file ricorsivamente in una particolare directory. Sento che questo è totalmente fattibile con un po 'di bash / awk fu, ma potrebbe usare una mano. Fondamentalmente mi piacerebbe qualcosa di simile al seguente:

1KB: 4123
2KB: 1920
4KB: 112
...
4MB: 238
8MB: 328
16MB: 29138
Count: 320403345

Sento che questo non dovrebbe essere troppo male dato un loop e un po 'di file log2 condizionale condizionale, ma non riesco proprio ad arrivarci.

Domanda correlata: come posso trovare file più grandi / più piccoli di x byte? .

Questo sembra funzionare abbastanza bene:

find . -type f -print0 | xargs -0 ls -l | awk '{size[int(log($5)/log(2))]++}END{for (i in size) printf("%10d %3d\n", 2^i, size[i])}' | sort -n

Il suo output è simile al seguente:

         0   1
         8   3
        16   2
        32   2
        64   6
       128   9
       256   9
       512   6
      1024   8
      2048   7
      4096  38
      8192  16
     16384  12
     32768   7
     65536   3
    131072   3
    262144   3
    524288   6
   2097152   2
   4194304   1
  33554432   1
 134217728   4

Basato sulla risposta di garyjohn, ecco un one-liner, che formatta anche l'output in lettura umana:

find . -type f -print0 | xargs -0 ls -l | awk '{ n=int(log($5)/log(2)); if (n<10) { n=10; } size[n]++ } END { for (i in size) printf("%d %d\n", 2^i, size[i]) }' | sort -n | awk 'function human(x) { x[1]/=1024; if (x[1]>=1024) { x[2]++; human(x) } } { a[1]=$1; a[2]=0; human(a); printf("%3d%s: %6d\n", a[1],substr("kMGTEPYZ",a[2]+1,1),$2) }'

Ecco la versione estesa di esso:

find . -type f -print0                                                   \ 
 | xargs -0 ls -l                                                        \
 | awk '{ n=int(log($5)/log(2));                                         \
          if (n<10) n=10;                                                \
          size[n]++ }                                                    \
      END { for (i in size) printf("%d %d\n", 2^i, size[i]) }'           \
 | sort -n                                                               \ 
 | awk 'function human(x) { x[1]/=1024;                                  \
                            if (x[1]>=1024) { x[2]++;                    \
                                              human(x) } }               \
        { a[1]=$1;                                                       \ 
          a[2]=0;                                                        \
          human(a);                                                      \
          printf("%3d%s: %6d\n", a[1],substr("kMGTEPYZ",a[2]+1,1),$2) }' 

Nel primo awkho definito una dimensione minima del file per raccogliere tutti i file meno di 1kb in un unico posto. Nel secondo awk, la funzione human(x)è definita per creare una dimensione leggibile dall'uomo. Questa parte si basa su una delle risposte qui: /unix/44040/a-standard-tool-to-convert-a-byte-count-into-human-kib-mib-etc -come-du-LS1

L'output di esempio è simile a:

  1k:    335
  2k:     16
 32k:      5
128k:     22
  1M:     54
  2M:     11
  4M:     13
  8M:      3

Prova questo:

find . -type f -exec ls -lh {} \; | 
 gawk '{match($5,/([0-9.]+)([A-Z]+)/,k); if(!k[2]){print "1K"} \
        else{printf "%.0f%s\n",k[1],k[2]}}' | 
sort | uniq -c | sort -hk 2 

PRODUZIONE :

 38 1K
 14 2K
  1 30K
  2 62K
  12 2M
  2 3M
  1 31M
  1 46M
  1 56M
  1 75M
  1 143M
  1 191M
  1 246M
  1 7G

SPIEGAZIONE :

• find . -type f -exec ls -lh {} \;: Abbastanza semplice, trovare i file nella directory corrente ed eseguire ls -lhsu di essi

• match($5,/([0-9.]+)([A-Z]+)/,k);: questo estrarrà la dimensione del file e salverà ogni corrispondenza nella matrice k.

• if(!k[2]){print "1K"}: se k[2]non definito la dimensione del file è <1K. Dal momento che sto immaginando che non ti interessi di dimensioni così piccole, lo script stamperà 1Kper tutti i file la cui dimensione è <= 1K.

• else{printf "%.0f%s\n",k[1],k[2]} : se il file è più grande di 1K, arrotondare la dimensione del file all'intero più vicino e stampare insieme al suo modificatore (K, M o G).

• sort | uniq -c : conta le occorrenze di ciascuna riga (dimensione del file) stampata.

• sort -hk 2: ordina in base al secondo campo in formato leggibile dall'uomo. In questo modo, 7Gviene ordinato dopo 8M.