使用shell ping一个网段

#!/bin/shfor ib in $(seq 1 254); doip="192.168.1.$ib"(if  ping -c3 "$ip" >> 1.txt; thenecho "$ip is alive"fi) &done
wait

• 在每次循环的最后，使用 & 将子 shell 放入后台执行，这样可以并行地进行多个 ping 命令。

• 在所有子 shell 都完成执行之前，使用 wait 命令等待所有子进程的结束。

• 脚本的实现原理是通过循环遍历 IP 地址范围，对每个 IP 地址执行 ping 命令，并根据退出状态码判断主机是否存活。由于使用了后台执行及 wait 命令，脚本能够并行地执行多个 ping 命令，提高了效率。最终，脚本会输出存活的主机的 IP 地址。

#############################

在使用pyhton演示一个

import subprocess
from multiprocessing import Pooldef ping(ip):result = subprocess.run(["ping", "-c", "3", ip], stdout=subprocess.DEVNULL)if result.returncode == 0:print(f"{ip} is alive")if __name__ == "__main__":pool = Pool(processes=200)  # 使用 200 个进程并行执行 ping 命令ips = [f"192.168.1.{i}" for i in range(1, 254)]pool.map(ping, ips)pool.close()pool.join()

使用了 Python 的 multiprocessing.Pool 类来创建进程池，并使用 map() 方法将任务分发给进程池中的多个进程并行执行。

实现原理：

1. 定义一个 ping 函数，用于执行 ping 命令并判断主机存活。

2. 在 name == “main” 条件下，创建一个进程池对象 pool，设置并行执行的进程数为 16（可以根据需要进行调整）。

3. 生成 IP 地址列表 ips，其中包含了要检测的 IP 地址范围。

4. 使用 pool.map() 方法将任务分发给进程池中的多个进程，5. 并使用 ping 函数对每个 IP 地址进行 ping 操作。

5. 最后，关闭进程池并等待所有进程完成任务（通过调用 pool.close() 和 pool.join()）。

这样，利用 multiprocessing.Pool 类可以并行地执行多个 ping 命令，提高脚本的效率。请注意，根据系统资源和需要，你可以自行调整并行执行的进程数。

个人觉得Linux下python还是没有shell那么快