Performance, binari, e alternative moderne

Cosa rallenta grep, e cosa lo accelera

Grep è già di per sé velocissimo. Ma su file molto grandi (gigabyte) o ricorrendo su alberi enormi di codice, due fattori incidono in modo sproporzionato:

• La locale di sistema: di default grep interpreta i byte come caratteri UTF-8, e questo comporta lavoro di decodifica per ogni byte. Su dati puramente ASCII (la maggior parte di log e file sorgente) è inutile.
• La sintassi del pattern: una regex -F (stringa letterale) è più veloce di una BRE, che è più veloce di una ERE, che è più veloce di una PCRE. Scegli sempre il livello più semplice che basta.

Il trucco classico per velocizzare grep su grandi file ASCII è impostare la locale a C per la durata del comando:

$ time grep "ERROR" enorme.log
real    0m4.380s

$ time LC_ALL=C grep "ERROR" enorme.log
real    0m1.220s

Su file ASCII puri lo speedup è da 2× a 5×. Su file che contengono caratteri non-ASCII (testi multilingua, simboli) non usarlo: grep tratterebbe i byte uno per uno e potrebbe trovare match parziali sbagliati o saltarne di validi.

File binari, e poi: le alternative

Quando grep incontra un file binario (con byte NUL al suo interno), il comportamento di default è prudente: stampa Binary file XYZ matches invece di mostrare le righe, per non sporcare il terminale con caratteri di controllo. Tre flag governano questo aspetto:

L'uso più comune nelle ricerche ricorsive è -I per evitare che grep perda tempo (e sporchi l'output) sui PDF, le immagini, gli eseguibili:

$ grep -rnI "TODO" .
# nessun "Binary file ... matches" sparso nell'output

Alternative moderne

Negli ultimi 10-15 anni sono nati strumenti pensati esplicitamente per cercare in cartelle di codice: più veloci di grep su quel tipo specifico di lavoro, con esclusioni intelligenti di default. I tre principali, in ordine di diffusione attuale:

$ grep -rnI --exclude-dir={.git,node_modules,dist} "calculatePrice" .
$ ag "calculatePrice"
$ rg "calculatePrice"

rg e ag conoscono già .gitignore, sanno saltare i binari, distinguono i file di codice e mostrano nomi/numeri di riga di default. La sintassi delle regex è leggermente diversa (entrambi usano regex Rust/PCRE-like), ma per l'uso quotidiano è sovrapponibile a grep.

Quando passare a ripgrep (e quando restare con grep)

Vale la pena conoscere entrambi e usarli ciascuno per quel che fanno meglio. Una regola pratica che funziona:

• Usa grep quando: stai filtrando una pipe (ps | grep, tail -f | grep), lavori su un singolo file conosciuto, stai scrivendo uno script destinato a girare su macchine altrui dove grep c'è sempre.
• Usa rg quando: cerchi dentro un albero di codice sorgente. È drasticamente più veloce, ha esclusioni intelligenti di default, l'output è già colorato bene e formattato per i sorgenti.

Installazione di ripgrep in una riga:

# macOS
$ brew install ripgrep

# Debian / Ubuntu
$ sudo apt install ripgrep

# Arch
$ sudo pacman -S ripgrep

# Fedora
$ sudo dnf install ripgrep

Cinque opzioni di rg da conoscere subito, perché si mappano in modo pulito a quelle di grep che hai imparato in questo corso:

Buona caccia ai pattern.