如何在Linux系统通过命令行生成随机文件

版权声明：本文由胡恒威原创文章，转载请注明出处:
文章原文链接：https://www.qcloud.com/community/article/86

是否会有这样的场景：在有需要测试数据的时候，你不知如何生成一些已包含测试数据的文件；或者你是临时需要一个小的程序，可以让你生成不同大小的文件（比如大于1Mb少于100Mb），不需要从网络上去搜寻查找如何生成，这里有一些简单的方法帮你偷懒。

1.当你不需要关心随机文件的内容，只需一个固定大小的文件

Solaris、Mac OS X等Unix系统中mkfile指令，可以产生指定大小的文件，而Linux上则没有
例子：mkfile -n 160g test1
Linux可以用dd指令，/dev/zero是一个特别的文件描述符可以通过它返回null值
例子：dd if=/dev/zero of=test.file count=1024 bs=1024
产生count * bs字节的文件，1M
此方法生成随机文件的好处在于效率高（产生1G文件大概1s）,创建的文件大小精确到字节
坏处也有
使用null字符来填充文件内容，文件统计时没有行（wc -l test.file为0）

2.当你不需要关心随机文件的内容，但期望测试文件能有统计的行

将/dev/zero改为/dev/urandom，/dev/urandom是linux下的随机数生成器

关于/dev/urandom跟/dev/random两者的区别就不在此详细讨论，大概就是，前者是不受系统interrupts的限制，即使没有足够的interrupt它也能通过随机数生成器产生足够的输出值；而后者如果用在dd上，它不能被ctrl+c或者kill -9中断，如果ds的值较大时，产生的随机值不足而长期占用CPU。虽然说/dev/random产生的随机数会更随机些，但与dd混用还是建议用/dev/urandom效率更高。

缺点跟/dev/zero比当然是效率会更低些了，生成个100Mb的文件需要10秒左右，而且文件并没有可读的内容，一般的情况基本上是满足了。

漏了说句，dd是linux与unix都支持的指令。

3.当你关心文件的随机内容行数，而不关心内容是否有所重复

这里的思路就是找一个参照文件（比如说2行），将文件重新定向到新的文件，再mv覆盖保存，外加一个for循环。（n为循环次数，产生的文件行为2^（n+1））

例子:假设先建立一个file.txt文件，里面含有Hello 和 World两行
for i in {1..n}; do cat file.txt file.txt > file2.txt && mv file2.txt file.txt; done

由于是阶乘，n=20左右已经是200W行，效率会下降地比较厉害

4.当你关心随机文件的内容，而不想出现重复内容行情况

这种情况下系统的指令应该是不能满足了，或者可以通过操作系统的指令写一大串脚本也可以达到，但不建议这么做，因为可读性和维护性考虑，你应该要引入Ruby或者Python类的脚本语言帮忙了
但还是要借助些系统的东西来帮忙

思路：/usr/share/dict/words里面有记录一些单词，一共235886行，每行一个单词
可以从里面挑选一些作为文件的内容
加循环达到我们想要的随机文件要求

举例：ruby -e 'a=STDIN.readlines;X.times do; b=[];Y.times do; b<<a[rand(a.size)].chomp end; puts b.join(" ")' < /usr/share/dict/words > file.txt

X为随机文件需要的行数，Y为从words中读取的单词，虽说组合成一句的命令，还是可以读懂的；从标准输入中重复读取Y个单词，写入到b列表中，然后再通过join空格连接内容写入到标准输出文件file.txt中

这样基本很少会有重复的行了，而且生成的效率与其他方法对比还是可以的，10秒生成100Mb文件。欢迎大家讨论。

参考：

mkfile的Apple官方文档:
https://developer.apple.com/library/mac/documentation/Darwin/Reference/Manpages/man8/mkfile.8.html
dd的wiki:
http://en.wikipedia.org/wiki/Dd_(Unix)