shell 檔案合併，去重，分割
第一：兩個檔案的交集，並集
前提條件：每個檔案中不得有重複行

1. 取出兩個檔案的並集(重複的行只保留一份)
2. 取出兩個檔案的交集(只留下同時存在於兩個檔案中的檔案)
3. 刪除交集，留下其他的行
4. cat file1 file2 | sort | uniq > file3
5. cat file1 file2 | sort | uniq -d > file3
6. cat file1 file2 | sort | uniq -u > file3

第二：兩個檔案合併
一個檔案在上，一個檔案在下
cat file1 file2 > file3
一個檔案在左，一個檔案在右
paste file1 file2 > file3

第三：一個檔案去掉重複的行：
sort file |uniq
注意：重複的多行記為一行，也就是說這些重複的行還在，只是全部省略為一行！
sort file |uniq -u
上面的命令可以把重複的行全部去掉，也就是檔案中的非重複行！

具體細節可以檢視，cat，sort，uniq等命令的詳細介紹

第四：將一個大的檔案分割成多個小檔案：

採用一個50M大小的日誌檔案進行測試。
日誌檔名：log.txt.gz。
檔案行數：208363

方法1：（split分割）
語法：split [-<行數>][-b <位元組>][-C <位元組>][-l <行數>][要切割的檔案][輸出檔名]

gunzip log.txt.gz //一定要先解壓，否則分割的檔案是不能cat/zcat顯示；

wc -l log.txt //計算一個檔案的總行數；

208363 log.txt

split -l 120000 log.txt newlog //通過指定行數，將日誌分割成兩個檔案；

du -sh *50M log.txt

29M newlogaa
22M newlogab

file * //分割後的檔案與原檔案屬性一樣

log.txt: ASCII text, with very long lines, with CRLF line terminators
newlogaa: ASCII text, with very long lines, with CRLF line terminators
newlogab: ASCII text, with very long lines, with CRLF line terminators

gzip newlogaa newlogab //將分割後的檔案進行壓縮，以便傳輸

方法2：（dd分割）

gunzip log.txt.gz //一定要先解壓，否則分割的檔案是不能cat/zcat顯示；

#dd bs=20480 count=1500 if=log.txt of=newlogaa //按大小分第一個檔案

#dd bs=20480 count=1500 if=log.txt of=newlogab skip=1500 //將大小之後的生成另一個檔案#file *

log.txt: ASCII text, with very long lines, with CRLF line terminators
newlogaa: ASCII text, with very long lines, with CRLF line terminators
newlogab: ASCII text, with very long lines, with CRLF line terminators

分割沒問題，但會出現同一行分到不同檔案的情況，除非你以及日誌分析系統可以“容忍”。

方法3：（head+tail 分割）
#gzip log.txt.gz //如不解壓縮，下面請用zcat。
#wc -l log.txt //統計一個行數
208363 log.txt

head -n echo $((208363/2+1)) log.txt > newloga.txt //前x行重定向輸出到一個檔案中；

#tail –n echo $((208363-208362/2-1)) log.txt >newlogb.txt //後x行重定向輸出到一個檔案中；

#gzip newloga.txt newlogb.txt //將兩個檔案進行壓縮

方法4：（awk分割）
#gzip log.txt.gz#awk ‘{if (NR<120000) print $0}’ log.txt >newloga.txt#awk ‘{if (NR>=120000) print $0}’ log.txt >newlogb.txt

以上兩個命令，都要遍歷整個檔案，所以考慮到效率，應使用合併成：
#awk ‘{if (NR<120000) print $0 >”newloga.txt”;if (NR>=120000) print $0>”newlogb.txt”}’ log.txt

以上四種方法，除了dd之外的三種方式都可以很好的整行分割日誌檔案。進行分割時，應考慮在讀一次檔案的同時完成，如不然，按下面的方式分割：
Cat log.txt| head –12000 >newloga.txt
Cat log.txt | tail –23000 >newlogb.txt
如用此方法分割檔案的後一部分，那麼執行第二行命令檔案時，前x行是白白讀一遍的，執行的效率將很差，如檔案過大，還可能出現記憶體不夠的情況。