Percebi que execuções subsequentes grepna mesma consulta (e também em uma consulta diferente, mas no mesmo arquivo) são muito mais rápidas que a primeira execução (o efeito é facilmente perceptível ao pesquisar em um arquivo grande).
Isso sugere que o grep usa algum tipo de cache das estruturas usadas para pesquisa, mas não consegui encontrar uma referência na Internet.
Qual mecanismo permite grepretornar resultados mais rapidamente nas pesquisas subseqüentes?
Respostas:
Não o grep, como tal, mas o próprio sistema de arquivos geralmente armazena em cache os dados lidos recentemente, fazendo com que as execuções posteriores sejam mais rápidas, pois o grep está efetivamente pesquisando na memória em vez de no disco.
Os sistemas Linux e * NIX utilizam vários caches que ficam entre os sistemas de arquivos (abstraídos através do VFS) e os processos no nível do usuário. Portanto, não é grep e não é o sistema de arquivos que faz o cache - é o sistema operacional.
O cache responsável pelo seu desempenho grep é o cache de buffer do VFS. Outros caches são para inodes e diretórios, mas eles não entrariam em jogo aqui.
Para obter mais informações, consulte: Projeto de documentação do Linux: 9.2 O sistema de arquivos virtual http://tldp.org/LDP/tlk/fs/filesystem.html
/usr/includelevou ~ 16,4 segundos no meu sistema com todos os caches descartados. Com tudo em cache, cerca de 0,3 segundos. Se eu soltar apenas o cache da página (que contém o cache do buffer), leva ~ 14,3 segundos. Se eu deixar o cache da página e soltar os caches de dentry / inode, são cerca de 12 segundos.
E se você estiver procurando por uma versão em cache do grep, consulte https://stackoverflow.com/questions/7734596/grep-but-indexable