awk的学习：
今天去做数据准备的时候发现不知道怎么准备，然后各种百度。
一、实现的功能：现有俩个文件a.txt(里边有俩列数据: bid，name)， b.txt（好几列数据：bid, pv）。其中a.txt有3800w的数据量，b.txt有1300w的数据量，而且a.txt的数据包含b.txt的数据，要将b.txt的数据在a.txt里边删除掉，并且还要给b.txt的bid 对应加上name。
二、实现步骤：
-
获取b.txt文件第一列数据生成新的b_bid.txt文件： awk -F ‘\t’ ‘{print $1}’ b.txt > b_bid.txt (-F指定命令符：具体 https://www.cnblogs.com/xudong-bupt/p/3721210.html)
-
获取俩个不同文件的数据，将b_bid.txt文件的$1(第一列)和a.txt的文件$1进行比较是否一样，一样的话就讲a.txt的$1,$2 输出到一个新的文件new_b_bid.txt(bid, name 是指的b.txt重构之后的文件)： awk ‘{if (NR==FNR) {arr1[$1]=$2}}NR>FNR{if($1 in arr1) {print $1,$2}}’ b_bid.txt a.txt > new_b_bid.txt（NR,FNR 具体：https://www.dwhd.org/20150614_005258.html）
-
将生成的new_b_bid.txt和a.txt进行对比（对比要注意俩文件的数据格式保持一致，特别列与列的空格）； 先用命令 awk ‘print $0’ a.txt new_b_bid.txt > push_all_bid.txt 将俩文件进行合并（此命令是以追加的方式存进来的，就是先存放的是a.txt，再存放new_b_bid.txt）。 最后 排序 去掉重复的值（sort | uniq -u > push_b_bid.txt），生成最终想要的文件push_b_bid.txt。