如何用 awk sed 命令统计一个 Unix/Linux 系统中文件大小的分布情况？

前言

        测试过程中，将操作系统的结果差异性考虑其中。

问题：

SoftwareTeacher看了《Unix 传奇》一书，想起很久以前读 Unix 文件系统设计思想的时候，里面提到Unix 的很多文件大小在 4K 以下。他提了一个问题

“怎么能用Unix 的awk， sed 和其它 shell 命令统计出你当前 Unix/Linux 系统上 所有文件大小的分布情况？ （小于1K， 1K - 4K, 4K - 1M， 1M - 10M， 10M - 1G， 1G 以上）”

下面是基本实现思路：

1. 使用命令列出目录下的所有文件信息
2. 使用命令过滤出文件名和文件大小的列
3. 使用命令统计不同文件大小的个数并计算百分比打印
4. 使用管道把上述1/2/3组合起来

下面意义对这四步进行分解

一  使用命令列出目录下的所有文件信息

ls -Rla

lkmao@ubuntu:~/01$ ls -Rla
.:
总用量 40
drwxrwxr-x  3 lkmao lkmao 4096 11月 23 13:35 .
drwxrwxr-x 57 lkmao lkmao 4096 11月 23 13:34 ..
-rwxrwxr-x  1 lkmao lkmao 9208 11月 23 13:18 a.out
-rw-rw-r--  1 lkmao lkmao  732 11月 23 10:00 file.c
-rw-rw-r--  1 lkmao lkmao  662 11月 22 22:28 fork.c
-rw-rw-r--  1 lkmao lkmao 4642 11月 23 13:25 hello.txt
drwxrwxr-x  2 lkmao lkmao 4096 11月 23 13:35 test
 
./test:
总用量 12
drwxrwxr-x 2 lkmao lkmao 4096 11月 23 13:35 .
drwxrwxr-x 3 lkmao lkmao 4096 11月 23 13:35 ..
-rw-rw-r-- 1 lkmao lkmao    6 11月 23 13:35 1.txt
lkmao@ubuntu:~/01$

二 使用命令过滤出文件名和文件大小的列

使用awk命令找出第5列和第9列。从结果看，其中有空格存在。

lkmao@ubuntu:~/01$ ls -Rla | awk '{print $9,$5}'
 
 
. 4096
.. 4096
a.out 9208
file.c 732
fork.c 662
hello.txt 4642
test 4096
 
 
 
. 4096
.. 4096
1.txt 6
lkmao@ubuntu:~/01$

三 使用sed命令删除空行 

这个依然需要分解为几部

1 将命令ls和awk的执行结果输出到一个文件2.txt中

2 使用sed -i 将该文件中的空格，点号，Tab键删除

3 过滤掉结果中的目录

3 使用cat查看2.txt文件

ls -Rla | awk '{print $9,$5}' > 2.txt

lkmao@ubuntu:~/01$ cat 2.txt
 
 
. 4096
.. 4096
2.txt 0
a.out 9208
file.c 732
fork.c 662
hello.txt 4642
test 4096
xixi.sh 258
 
 
 
. 4096
.. 4096
1.txt 6
lkmao@ubuntu:~/01$ 

 查看更新后的2.txt

lkmao@ubuntu:~/01$ cat 2.txt
. 4096
.. 4096
2.txt 0
a.out 9208
file.c 732
fork.c 662
hello.txt 4642
test 4096
xixi.sh 258
. 4096
.. 4096
1.txt 6
lkmao@ubuntu:~/01$ 
 

从结果中可知，有当前目录"." 和父目录".."这两个也需要删掉

打印2.txt中以点号"."开头的行：

lkmao@ubuntu:~/01$ sed -n '/^\./p' 2.txt
. 4096
.. 4096
. 4096
.. 4096
lkmao@ubuntu:~/01$
 

删除2.txt中以点号"."开头的行：

lkmao@ubuntu:~/01$ sed -i '/^\./d' 2.txt
lkmao@ubuntu:~/01$ cat 2.txt
2.txt 0
a.out 9208
file.c 732
fork.c 662
hello.txt 4642
test 4096
xixi.sh 258
1.txt 6
lkmao@ubuntu:~/01$

使用wc -l数行数，验证结果是否正确：如下所示，两种验证结果相同。

lkmao@ubuntu:~/01$ ls -ls | wc -l
8
lkmao@ubuntu:~/01$ cat 2.txt | wc -l
8
lkmao@ubuntu:~/01$

四 使用命令统计不同文件大小的个数并计算百分比打印

这一步直接使用前三步的成果2.txt文件。虽然有

验证1：xixi.sh

验证目标：输出小于100字节的文件名字和大小

cat 2.txt | awk '
BEGIN{
    size[0]="0-100"
    tatol=0
}
($2 <= 100){a[0]++}
($2 <= 100){print "size[i]","name:",$1,"size:",$2}
{
    total++
}
END{
    for(i=0;i
        print size[i],"file count:"a[i],"percent:",(a[i]/total)*100,"%"
}'
 
 

执行结果：使用source执行文件，从执行结果可知，找到了1.txt和2.txt，但是，这不是我们想要的结果。需要重写。

lkmao@ubuntu:~/01$ source xixi.sh
size[i] name: 2.txt size: 0
size[i] name: 1.txt size: 6
0-100 file count:2 percent: 25 %
lkmao@ubuntu:~/01$
 

验证2：xixi.sh

测试的时候，删除其他的.txt文件。然后中间文件放到了父目录中

ls -RlA | awk '{print $9,$5}' > ../4.txt
sed -i '/^[ \t]$/d' ../4.txt
cat ../4.txt | awk '
BEGIN{
    size[0]="0-100"
    tatol=0
}
($2 <= 100){a[0]++}
($2 <= 100){print "size[i]","name:",$1,"size:",$2}
{total++}
END{
    for(i=0;i
        print size[i],"file count:"a[i],"percent:",(a[i]/total)*100,"%"
}'
 

测试结果：

lkmao@ubuntu:~/01$ source xixi.sh
size[i] name: 1.txt size: 6
0-100 file count:1 percent: 14.2857 %
lkmao@ubuntu:~/01$

验证3：xixi.sh

计算小于1024字节和大于1024字节的文件个数和占比：

#!/bin/bash
ls -RlA | awk '{print $9,$5}' > ../4.txt
sed -i '/^[ \t]$/d' ../4.txt
cat ../4.txt | awk '
BEGIN{
    size[0]="0-1024"
    size[1]=">1024"
    tatol=0
}
($2 <= 1024){a[0]++}
($2 > 1024){a[1]++}
{total++}
END{
    for(i=0;i
        print size[i],"file count:"a[i],"percent:",(a[i]/total)*100,"%"
}'

lkmao@ubuntu:~/01$ source xixi.sh
0-1024 file count:4 percent: 57.1429 %
>1024 file count:3 percent: 42.8571 %
lkmao@ubuntu:~/01$

小结