シェルで関数型プログラミング

以前、AWKを超えて：HaskellをUnixパイプラインに持ち込むという記事を書きました。Haskell でパイプライン処理を書く話です。

ただ、そもそものアイデアはこの記事の内容でした。ログを grep や awk で漁っていると、「これ、filter して map して fold してるだけだな」と気づいたのが始まりです。

シェルでの関数型プログラミングの基本は、改行区切りのテキストをリストとして捉えることです。

a
b
c

これを ["a", "b", "c"] と見なせば、あとは map, filter, fold を適用するだけです。

構造化ログや専用ツールがある時代ですが、素の Unix コマンドだけでも関数型的に考えれば大抵のことはできます。

この記事の目的は、少ないコマンドでできるだけ汎用的な操作ができるようにすることです。覚えるコマンドを最小限に抑えつつ、組み合わせで多くのことを実現する。そのための基本部品を整理しました。

Unix パイプラインと関数合成

Unix の哲学「一つのことをうまくやる小さなプログラムを組み合わせる」は、関数型プログラミングの「小さな純粋関数を合成する」という考え方と本質的に同じです。

パイプライン | は関数合成そのものです。多くの Unix コマンドは入力を受け取り出力を返す純粋関数として動作します。

cat access.log | grep "ERROR" | awk '{print $4}' | sort | uniq -c

これは「filter → map → sort → fold」の合成です。

高階関数

Map

リストの各要素に関数を適用して新しいリストを生成します。

while での実装:

command | while read -r a; do
  # map-function
done

# 例：奇数偶数判定
seq 10 | while read -r a; do
  if ((a % 2)); then
    echo odd
  else
    echo even
  fi
done

xargs での実装:

xargs -I {} bash -c 'echo "processing: {}"'

xargs は -P オプションで並列処理もできます。

# 4並列で処理
xargs -P 4 -I {} bash -c 'process {}'

GNU parallel という専用ツールもありますが、入っていない環境が多いです。xargs なら大抵の Unix 系システムに標準で入っています。

注意点として、バックスラッシュを含むデータは -r オプションで生読み込みします。パイプ処理では for より while が汎用的です。

Filter

条件に合致する要素のみを抽出します。

grep での実装（文字列パターン）:

grep 'pattern'

awk での実装（数値や複雑な条件）:

awk 'NR % 2 == 0 { print }'  # 偶数行のみ
awk '$1 >= 100 { print }'     # 第一フィールドが100以上

使い分けの指針：

シンプルな文字列 → grep
数値・フィールド処理 → awk
複雑な条件・外部コマンド連携 → while

Fold（畳み込み）

リストの要素を順次処理して単一の値を生成します。

foldl（左畳み込み）:

seq 10 | awk '{sum += $1} END {print sum}'

foldr（右畳み込み）:

seq 10 | tac | awk '{sum += $1} END {print sum}'

正直なところ、畳み込みはシェルだと難しいです。単純な合計やカウントなら awk で済みますが、複雑な集計になると厳しい。CSV に変換して SQLite にパイプする方が楽なケースも多いです。

# CSVをSQLiteで集計
cat data.csv | sqlite3 :memory: '.mode csv' '.import /dev/stdin t' 'SELECT col1, SUM(col2) FROM t GROUP BY col1'

ただ、これは関数型の考えから逸脱している気もします。良いアプローチがあれば教えてください。

リスト操作

無限リスト

yes             # 無限に "y" を出力
seq infinity    # 1, 2, 3, ... の無限リスト

take / drop

head -n 10 file       # 先頭10行を取得（take）
tail -n +11 file      # 11行目以降を取得（drop 10）

takeWhile / dropWhile

# takeWhile: 条件を満たす間だけ取得
awk '$1 < 100 { print } $1 >= 100 { exit }'

# dropWhile: 条件を満たす間スキップし、それ以降すべて取得
awk '!found && $1 < 100 { next } { found=1; print }'

uniq（uniqBy）

特定フィールドでの重複除去です。

awk '!seen[$1]++'    # 第一カラムで uniqBy
awk '!seen[$2]++'    # 第二カラムで uniqBy

集合演算

集合演算みたいなことは comm で大体できます。

和集合（Union）

cat set1 set2 | sort -u

# ソート済みの場合
sort -m -u set1 set2

積集合（Intersection）

comm -12 <(sort set1) <(sort set2)

# または
grep -Fxf set1 set2

差集合（Difference）

# set1 にあって set2 にない
comm -23 <(sort set1) <(sort set2)

# set2 にあって set1 にない
comm -13 <(sort set1) <(sort set2)

注意: comm は入力がソート済みである必要があります。また、<(...) はプロセス置換で、bash/zsh の機能です。POSIX sh では動きません。

直積集合（Cartesian Product）

awk 'NR==FNR {a[NR]=$0; next} {for (i in a) print a[i], $0}' set1 set2

awk の NR==FNR パターンは、1つ目のファイル処理中は true、2つ目以降は false になることを利用しています。

データ変換

zip

複数セットの要素を結合します。

paste set1 set2           # タブ区切り
paste -d ',' set1 set2    # カンマ区切り

射影（Projection）

特定フィールドを抽出します。

cut -d ' ' -f 1,3 file    # 第1, 第3フィールドを取得
awk '{print $1, $3}'      # 同じことを awk で

split（chunksOf n）

cat file | paste - - -       # 3行ずつグループ化
xargs -L 3                   # 3行ずつ処理
split -l 100 file prefix_    # 100行ずつファイル分割

文字列処理

String → [String]

echo "ABCDEFG" | fold -w 1    # 1文字ずつ分割
echo "a,b,c" | tr ',' '\n'    # 区切り文字で分割

String → Int

echo "hello" | wc -c          # バイト数
awk '{print length}'          # 文字数（複数行対応）

実践例

ログ解析

これらを組み合わせた例です。

# エラーログから、時間帯ごとのエラー数を集計
cat app.log \
  | grep "ERROR" \                    # filter: エラー行のみ
  | awk '{print $1}' \                # map: タイムスタンプ抽出
  | cut -d ':' -f 1 \                 # map: 時（hour）のみ
  | sort \                            # sort
  | uniq -c \                         # fold: カウント
  | sort -rn                          # sort: 多い順

関数型的に見ると、filter → map → map → sort → fold → sort です。

死にかけのサーバーからファイルを救出する

以前、大きいファイルを引き上げようとすると再起動してしまうサーバーがありました。仕方ないので、ファイルを小分けにしてアーカイブを作ることにしました。

find /data/ -type f | split -l 20 --verbose \
  | cut -d ' ' -f 3 | xargs -I {} bash -c 'tar -T {} -czf {}.tgz && rm {}'

注意: macOS の split は --verbose オプションがありません。GNU coreutils が必要です（brew install coreutils で gsplit として使用可能）。

これも関数型的に見ると：

find でファイルリスト生成（リスト生成）
split -l 20 で20個ずつ分割（chunksOf 20）
cut でファイル名抽出（map）
xargs で各チャンクをアーカイブ（map）

専用ツールがなくても、基本部品の組み合わせで乗り切れます。

まとめ

Unix パイプラインは関数合成そのもの
map は while read や xargs
filter は grep や awk
fold は awk '{...} END {...}'
集合演算は comm, sort -u, grep -Fxf

専用ツールがあればそれを使うべきですが、基本部品を知っておけば、どんな環境でも対応できます。

個人的には、これらを組み合わせてその場で実行するのがきつくなってきたら Python に切り替えています。ワンライナーで収まるうちはシェル、複雑になったらスクリプト言語、という使い分けです。

AWKを超えて：HaskellをUnixパイプラインに持ち込む

NAME

SYNOPSIS

DESCRIPTION