Note06-2

ตอนที่ ๒ 
จากปฏิบัติการ การเขียน Unix pipeline เพื่อแสดงรายละเอียดของแฟ้มที่มีขนาดใหญ่ที่สุด 5 แฟ้มแรกใน /usr/bin
(คำแนะนำ -- sort, head) 

ในความเป็นจริง คำสั่ง ls มีตัวเลือก -S สำหรับเรียงรายชื่อแฟ้มในไดเรกทอรีตามขนาดของแฟ้มจากมากไปน้อย สามารถนำมาใช้ใน pipeline ได้เลย เช่น

     ls  -Sl  /usr/bin  | head -5

แต่แบบฝึกหัดนี้มีจุดประสงค์ให้ศึกษาคำสั่ง sort ซึ่งจะได้ใช้ต่อไปในการเขียน shell script โดยเฉพาะอย่างยิ่งการกำหนด sorted key ในบรรทัดคำสั่ง เพราะจากคู่มือของคำสั่งจะพบว่า หากไม่มีการกำหนดเป็นอย่างอื่น คำสั่ง sort จะถือเอาข้อมูลทั้งบรรทัดเป็น sorted key กล่าวอีกนัยหนึ่งคือ การจัดเรียงจะเกิดขึ้นจากอักขระตัวแรกของบรรทัดเป็นต้นไป และถือเป็นการจัดเรียงสายอักขระตามพจนานุกรม (lexicographical order) ตัวอักษรตัวใหญ่ในภาษาอังกฤษมาก่อนตัวอักษรตัวเล็ก โดยเรียงจากน้อยไปมาก (ascending order)

    สรุป: ค่าโดยปริยายของ sort
            sorted key:   ข้อมูลทั้งบรรทัด
            ชนิดข้อมูล:     สายอักขระ           
            วิธีการจัดเรียง:   เรียงตามพจนานุกรม, ตัวอักษรตัวใหญ่มาก่อนตัวเล็ก
            ลำดับข้อมูล:    เรียงจากมากไปน้อย 

ผู้ใช้สามารถเปลี่ยนแปลงค่าโดยปริยายเหล่านี้ได้ โดยการกำหนดตัวเลือกที่หมาะสม

ก. อักษรตัวใหญ่และตัวเล็ก
จัดเรียงตัวอักษรภาษาอังกฤษตัวเล็กและตัวใหญ่ไปพร้อมกัน กำหนดด้วยตัวเลือก -f (fold lower case to upper case character) หมายถึงให้จัดเรียงเหมือนตัวอักษรทั้งหมดเป็นอักษรตัวใหญ่

ข. ชนิดข้อมูล
ในกรณีที่ข้อมูลเป็นสายอักขระที่มีแต่ตัวเลข (string of digits) กำหนดให้เรียงตามค่าของตัวเลขได้ โดยใช้ตัวเลือก -n (numeric-sort) 
และหากข้อมูลเป็นชื่อย่อของเดือน เช่น Jan, Feb, ... กำหนดให้เรียงตามชื่อเดือนได้ โดยใช้ตัวเลือก -M (month-sort)

ค. วิธีการจัดเรียง
หากต้องการให้มีการเรียงจากมากไปน้อย (descending order) กำหนดด้วยตัวเลือก -r (reverse) 

ง. การกำหนด sorted key
การกำหนด sorted key ทำได้โดยใช้ตัวเลือก -k ซึ่งมีคำอธิบายดังนี้
     -k, --key=POS1[,POS2]     start a key at POS1 (origin 1), end it at POS2 (default end of line)
หรือ กำหนดให้ sorted key เริ่มต้นที่ POS1 (ค่าเดิมเป็น 1) และสิ้นสุดที่ POS2 (ค่าโดยปริยายเป็นท้ายสุดของบรรทัด)
คำอธิบาย POS เป็นดังนี้

POS คือ F[.C][OPTS], เมื่อ F เป็นหมายเลขฟิลด์ และ C เป็นตำแหน่งเริ่มต้นของอักขระในฟิลด์นั้น ค่าเดิมของ F และ C คือ 1; หากไม่มีการกำหนดตัวเลือก -b หรือ -t อักขระตัวแรกในฟิลด์จะนับจากอักขระที่อยู่หลัง whitespace (วรรค, tab); OPTS เป็นอักขระกำหนดวิธีการการจัดเรียง ซึ่งแต่ละวิธีเป็นอักขระตัวเดียว และใช้ผสมกันได้ 

ตัวเลือก -b ใช้กำหนดให้ข้ามวรรคที่ต้นบรรทัด (ถ้ามี) ส่วนตัวเลือก -t ใช้กำหนดอักขระคั่นฟิลด์ ในกรณีที่ไม่ใช่ whitespace

จะเห็นว่าแม้จะมีการแปลคู่มือเป็นภาษาไทยแล้ว ก็ยังอ่านและทำความเข้าใจได้ยาก จึงต้องการให้ได้ทดลองใช้จริง เพื่อสร้างความเข้าใจ และสรุปการใช้งานเป็นแบบของตนเองให้ได้ เมื่อทำได้กับคำสั่งหนึ่ง จะได้เป็นกำลังใจในการทำความเข้าใจคำสั่งอื่นๆ ต่อไป 

     $ ls  -l  /usr/bin
     ... ... ...
     -rwxr-xr-x  1  root   root      85168  Mar 19  2014   bc
     ... ... ...

หมายเหตุ: ยังจำโปรแกรม bc (basic calculator) ที่เคยใช้ตอนเริ่มเรียนวิชานี้ได้ไหม? 

จะเห็นว่า "ขนาดของแฟ้ม" ที่จะใช้เป็น sorted key เป็นฟิลด์ที่ 5 และเป็นสายอักขระที่เป็นตัวเลข วิธีการจัดเรียงทำจากมากไปน้อย

ชนิดข้อมูล:   สายอักขระที่เป็นตัวเลข ใช้ numeric-sort, -n
            เรียงจากมากไปน้อย ใช้การ reverse ผลการเปรียบเทียบ, -r
sorted key: ใช้ฟิลด์ที่่ 5 เพียงฟิลด์เดียว เริ่มจากอักขระตัวแรกในฟิลด์ (default), อักขระคั่นฟิลด์เป็นวรรค (default)  
            การกำหนดเพียงฟิลด์เดียว เพื่อป้องการนำ เดือน, วัน, ปี, และชื่อแฟ้ม มาเป็น key รองในการจัดเรียงด้วย
            ฟิลด์เดียว - ฟิลด์เริ่มต้นฟิลด์สุดท้ายเป็นฟิลด์เดียวกัน คือฟิลด์ที่ 5 

คำสังที่ต้องการคือ "sort  -k5rn,5"  นำมากับ ls และ head เป็น pipeline ได้ดังนี้

      $ ls  -l  /usr/bin  |  sort  -k5rn,5  | head  -5

การแสดงผลยังอยู่ในรูปแบบของคำสั่ง ls  -l หากต้องการแสดงผลในรูปชื่อแฟ้ม และ ขนาด เช่น

     php5		9114792
     ... ...		... ...

ต้องใช้ awk ช่วยในการตัดชื่อแฟ้ม (ฟิลด์ที่ 9) และขนาด (ฟิลด์ที่ 5) ดังนี้ 

     $ ls  -l  /usr/bin  |  sort -k5rn,5  |  awk  '{print $9 " " $5}'  |  head -5
     php5 9114792
     gdb 5724352
     aptitude-curses 4383088
     mysql_client_test 3754328

ชื่อแฟ้มและขนาดจะอ่านได้ยาก อาจเพิ่มจำนวนวรรคระหว่างฟิลด์ให้มากขึ้น หรือเปลี่ยนอักขระคั่นเป็น tab เช่น
     $ ls  -l  /usr/bin  |  sort -k5rn,5  |  awk  '{print $9 "\t" $5}'  |  head -5
     php5    9114792
     gdb     5724352
     aptitude-curses 4383088
     mysql_client_test       3754328

ผลลัพธ์ถูกต้องแล้ว แต่ยังไม่ "สวย" หากต้องการควบคุมการพิมพ์ให้ดีกว่านี้ ต้องใช้คำสั่ง printf ร่วมกับ awk เช่น

     $ ls  -l  /usr/bin  |  sort -k5rn,5  |  awk  '{printf "%-20s %s\", $9, $5}'  |  head -5
     php5		     9114792
     gdb		     5724352
     aptitude-curses	     4383088
     mysql_client_test       3754328
     python3.4		     3714088

การทำให้การแสดงผลดูเรียบร้อยสวยงาม เป็นกระบวนการที่กินเวลาและความพยายามมาก แต่ก็เป็นส่นที่จำเป็น เพื่อเพิ่มคุณค่าให้กับโปรแกรม แต่ต้องทำหลังจากที่โปรแกรมทำงานถูกต้องสมบูรณ์แล้ว ขอให้ระลึกไว้เสมอว่า
     "✔ โปรแกรมที่มีทำงานได้ถูกต้องแต่การแสดงผลไม่สวยงาม เป็นโปรแกรมที่ใช้ประโยชน์ได้" 
     "✘ โปรแกรมที่มีการแสดงผลสวยงาม แต่ทำงานไม่ถูกต้อง เป็นโปรแกรมที่ไม่มีคุณค่าใดๆ เลย" 

สุภาษิต (ฝร่ง) สำหรับนักเขียนโปรแกรม
     "First make it work, then make it pretty."
     "Make it work, make it better, make it faster."


คำถาม: ทำอย่างไรจึงจะรู้ว่า pipeline หรือ โปรแกรมที่เขียนขึ้น ทำงานได้ถูกต้อง?
คำตอบ: testing

อย่างไร?
---------
(1). คำตอบที่ง่ายที่สุดคือ กลับไปทบทวน Testing ในรายวิชา Software Development ใหม่

(2). ถ้าเป็น pipeline ในแบบฝึกหัดชุดนี้ เทียบผลลัพธ์กับการใช้คำสั่ง ls -lS

(3). ถ้าเป็นงานอื่นมี่เกี่ยวกับแฟ้ม ควรทดสอบในไดเรกทอรีที่มีจำนวนแฟ้มน้อยๆ ก่อน เมื่อทำงานได้ถูกต้องสมบูรณ์ ก็พอจะแน่ใจได้ว่าเมื่อนำไปใช้กับไดเรกทอรีที่มีแฟ้มมาก ควรให้ผลลัพธ์ที่ถูกต้องเช่นกัน

(4). ก่อนเริ่มทำโปรแกรม (หรือ pipeline) ทุกครั้ง ควรได้นึกถึงและจัดเตรียมข้อมูลสำหรับทดสอบการทำงานของโปรแกรมไว้ก่อน ข้อมูลทดสอบต้องครอบคลุมการทำงานทั้งหมดของโปรแกรม เมื่อเขียนโปรแกรมเสร็จและให้ทำงานกับข้อมูลทดสอบ หากข้อมูลขุดใดให้ผลลัพธ์ไม่ถูกต้อง ผู้เขียนโปรแกรมจะรู้ได้ทันทีว่าโปรแกรมน่าจะผิดที่ส่วนใด
ข้อมูลสำหรับทดสอบที่ดีที่สุดคือ ข้อมูลเข้าทั้งหมดที่เป็นไปได้ของโปรแกรม แต่ไม่สามารถทำได้เพราะเป็นข้อมูลจำนวนมหาศาล หรือเป็น Universal set (Universe - U) จึงต้องพิจารณา "เลือก" ข้อมูลที่น้อยที่สุด ให้ครอบคลุมการทำงานของโปรแกรมมากที่สุด เรียกว่า Test set (T) โดย T ⊂ U