mengekstrak file tunggal dari file tgz besar

Saya memiliki file tar besar (sekitar 500G) dan saya tidak ingin mengekstrak hanya satu file darinya.
Namun, ketika saya menjalankannya tar -xvf file.tgz path/to/filesepertinya masih memuat seluruh konten ke dalam memori, dan membutuhkan waktu lebih dari satu jam untuk mengekstrak. Saya juga telah mencoba menggunakan di --exclude=ignore.txtmana ign.txt adalah daftar pola dalam upaya untuk menghentikannya dari melintasi jalur yang sia-sia, tetapi itu sepertinya tidak berhasil.

Mungkin saya tidak mengerti tar ... Apakah ada cara untuk dengan cepat mengekstrak file?

Sayangnya, untuk membongkar satu anggota .tar.gzarsip Anda harus memproses seluruh arsip, dan tidak banyak yang dapat Anda lakukan untuk memperbaikinya.

Di sinilah .zip(dan beberapa format lain seperti .rar) arsip bekerja lebih baik, karena zipformat memiliki direktori pusat semua file yang terkandung di dalamnya dengan offset langsung yang menunjuk ke tengah zipfile, sehingga anggota arsip dapat dengan cepat diekstraksi tanpa memproses semuanya.

Anda mungkin bertanya mengapa pemrosesan .tar.gzsangat lambat?

.tar.gz(sering disingkat .tgz) hanya .tararsip yang dikompres dengan gzipkompresor. gzipadalah streaming kompresor yang hanya dapat bekerja dengan satu file. Jika Anda ingin mendapatkan bagian dari gzipaliran, Anda harus membuka kompresi itu secara keseluruhan, dan inilah yang benar-benar membunuhnya untuk .tar.gz(dan untuk .tar.bz2, .tar.xzdan format serupa lainnya berdasarkan .tar).

.tarformat sebenarnya sangat, sangat sederhana. Ini hanya aliran file 512-byte atau header direktori (nama, ukuran, dll), masing-masing diikuti oleh isi file atau direktori (diisi dengan ukuran blok 512 dengan 0 byte jika perlu). Ketika Anda mengamati benar-benar nol blok 512 untuk header, ini berarti akhir .tararsip.

Beberapa orang berpikir bahwa bahkan .taranggota arsip tidak dapat diakses dengan cepat, tetapi ini tidak sepenuhnya benar. Jika .tararsip berisi beberapa file besar, Anda sebenarnya dapat dengan cepat mencari ke tajuk berikutnya, dan dengan demikian Anda dapat menemukan anggota arsip yang diperlukan dalam beberapa upaya (tetapi masih dapat meminta sebanyak yang dicari karena ada anggota arsip). Jika .tararsip Anda berisi banyak file kecil, ini berarti pengambilan anggota dengan cepat menjadi tidak mungkin bahkan untuk yang tidak terkompresi .tar.

Jika Anda mengekstraksi hanya satu file dari file tar besar, Anda menggunakan GNU tar, dan Anda dapat menjamin bahwa file tar tidak pernah ditambahkan, maka Anda bisa mendapatkan peningkatan kinerja yang signifikan dengan menggunakan --occurrence.

Opsi ini memberitahu tar untuk berhenti segera setelah menemukan kemunculan pertama dari setiap file yang Anda minta, jadi mis

tar xf large-backup.tar --occurrence etc/passwd etc/shadow

tidak akan menggulung seluruh tarball setelah menemukan satu salinan dari masing-masing tarball , passwddan shadowsebaliknya akan berhenti. Jika file-file tersebut muncul menjelang akhir, kenaikan kinerja tidak akan banyak, tetapi jika mereka muncul setengah bahkan melalui file 500G Anda akan menghemat banyak waktu.

Bagi orang-orang yang menggunakan taruntuk backup single shot dan tidak menggunakan tape drive nyata situasi ini mungkin merupakan kasus khas.

Catatan bahwa Anda juga dapat lulus --occurrence=NUMBERuntuk mengambil terjadinya NUMBERth setiap file, yang membantu jika Anda tahu bahwa ada yang beberapa versi dalam arsip. Secara default perilaku ini sama dengan a NUMBERdari 1.

Sayangnya, format file tar tidak mengandung daftar isi terpusat - sehingga arsip harus dibaca secara berurutan untuk menemukan file tertentu. Awalnya dirancang untuk backup tape ("tar" berasal dari t kera ar chive), yang tidak akan mendukung operasi semacam itu dalam hal apa pun.

Jadi, Anda mungkin harus menunggu.

Saat berhadapan dengan penggunaan tarball besar:

--fast-readuntuk mengekstrak hanya entri arsip pertama yang cocok dengan operan nama file, path/to/filedalam hal ini - yang selalu unik di tarball

tar -xvf file.tgz --fast-read path/to/file

di atas akan mencari sampai menemukan kecocokan dan kemudian keluar