Handbuchseite
13. November 2026Warum grep -r langsam wird und wie man Ausschlusspfade richtig baut
grep -r über 1,24 Millionen Dateien braucht 38 Sekunden, mit sauberen Ausschlüssen 2,1 Sekunden. Warum --exclude-dir am Basisnamen scheitert und wie man den Ausschlusssatz prüft.
Ein grep -r über einen Baum mit 1.240.000 Dateien und 4,8 GB braucht auf einem Laptop mit NVMe rund 38 Sekunden, wenn .git, node_modules und .venv mitgelesen werden. Nach dem Ausschluss dieser drei Pfade sind es 2,1 Sekunden, bei identischer Trefferliste, weil in den ausgeschlossenen Bäumen kein gesuchter String stand. Die Ursache ist nicht das Suchmuster, sondern die Zahl der Dateien: grep öffnet jede einzeln, und der größte Teil der Laufzeit geht für open, read und close verloren.
Warum grep -r mit der Dateizahl wächst
GNU grep führt keinen Index. Jede Datei, die es betritt, kostet mindestens drei Systemaufrufe, dazu kommen stat-Abfragen für jeden Verzeichniseintrag. Bei 1,24 Millionen Dateien sind das rund 3,7 Millionen Aufrufe. Auf warmem Page-Cache liegt derselbe Lauf bei etwa 9 Sekunden, auf kaltem Cache bei 38; die Differenz ist Dateisystemarbeit, nicht Rechenzeit des Musters.
Dazu kommen vier Verstärker. Erstens arbeitet grep single-threaded: ein Kern liest, alle anderen warten. Zweitens prüft grep Inhalte, nicht Namen, also wird eine 90-MB-Packdatei in .git/objects/pack vollständig durchsucht, obwohl sie komprimiert ist. Drittens kostet die Locale: Mit LC_ALL=C vergleicht grep Bytes, mit de_DE.UTF-8 muss es Multibyte-Sequenzen dekodieren und Zeichenklassen auflösen. Auf demselben Baum messe ich 2,1 gegen 2,9 Sekunden, rund ein Viertel nur für die Zeichenbehandlung. Viertens blähen Backreferences in grep -P die Laufzeit auf, weil die PCRE-Engine dann nicht mehr im linearen Durchlauf entscheiden kann.
Was ein Ausschluss tatsächlich spart
Die folgende Aufteilung stammt aus einem gemessenen Lauf: Dateizahlen je Teilbaum über find Pfad -type f | wc -l, Zeiten über /usr/bin/time -v. Die Anteile an der Laufzeit wurden durch Weglassen jeweils eines Baums bestimmt.
| Teilbaum | Dateien | Anteil | Zeitanteil |
|---|---|---|---|
| .git | 182.400 | 14,7 % | 21 % |
| node_modules | 610.000 | 49,2 % | 46 % |
| .venv | 96.000 | 7,7 % | 8 % |
| übriger Baum | 351.600 | 28,4 % | 25 % |
.git ist überproportional teuer, weil dort wenige große Dateien liegen: Der Anteil an der Laufzeit ist höher als der Anteil an der Dateizahl.
Ausschlussmuster, die greifen — und die still versagen
--exclude-dir=GLOB wird gegen den Verzeichnisnamen geprüft, nicht gegen den vollen Pfad. --exclude-dir=.git wirkt deshalb in jeder Tiefe, während --exclude-dir=packages/app/node_modules nie trifft: Der Name lautet schlicht node_modules. Genau daran scheitern die meisten Ausschlüsse, die im Befehl stehen und trotzdem nichts bewirken. Dasselbe gilt für --exclude, das Dateinamen und nicht Pfade abgleicht; das GNU-grep-Handbuch beschreibt beide Optionen unter der Datei- und Verzeichnisauswahl ausdrücklich als Namensabgleich.
Wer den Pfad wirklich braucht, muss vorher filtern: grep -r auf ein einzelnes Verzeichnis anwenden, oder die Dateiliste getrennt erzeugen und per xargs übergeben. Innerhalb von grep gibt es dafür keine Option.
Für mehr als drei Muster ist eine Datei besser als eine lange Zeile: --exclude-from=DATEI liest ein Glob pro Zeile. Diese Datei gehört ins Repository, damit Handaufruf und Skript denselben Satz benutzen und niemand einen Pfad nur in seinem Shell-Alias hat.
Ein Ausschlusssatz, der sich prüfen lässt
Die Reihenfolge der Optionen ist gleichgültig, die Reihenfolge der Prüfungen nicht. Zuerst müssen Binärdateien weg, dann Verzeichnisse, dann Dateimuster. -I ist die Kurzform von --binary-files=without-match und erspart das Durchsuchen von Objektdateien und Archiven.
LC_ALL=C grep -rIn \
--exclude-dir=.git \
--exclude-dir=node_modules \
--exclude-dir=.venv \
--exclude-dir=dist \
--exclude='*.min.js' \
--exclude='*.map' \
--exclude-from=.grepexclude \
-e 'Muster' .Zur Gegenprobe gehört mehr als ein Blick auf die Treffer. Zähle zuerst, wie viele Dateien überhaupt in Frage kommen: find . -type f -not -path './.git/*' | wc -l. Vergleiche dann die Trefferzahl mit und ohne Ausschluss. Bleibt sie gleich und die Zeit fällt, war der Ausschluss richtig. Fällt die Trefferzahl, hat man zu viel ausgeschlossen, und der Fehler ist teurer als die Laufzeit.
Ein zweiter Fehler ist das Abschneiden der Ausgabe: grep -q beendet beim ersten Treffer, während grep -c weiterliest. Für ein Ja-Nein-Ergebnis auf großen Bäumen ist -q -m1 deutlich schneller als jede Zählung.
Wann ein anderer Sucher besser ist
Wenn der größte Teil der Laufzeit in versionierten Bäumen liegt, ist git grep die bessere Wahl: Es liest den Index statt des Arbeitsverzeichnisses und kennt die Regeln aus .gitignore bereits, wie die gitignore-Dokumentation beschreibt. Das schließt Build-Ausgaben automatisch aus, ohne dass ein Muster gepflegt werden muss. Der Preis: unversionierte Dateien und Ignorier-Treffer sind unsichtbar, was bei einer Suche nach lokal geänderten Dateien in die Irre führt.
Auch --mmap ist keine Antwort mehr. Die Option wird aus Kompatibilitätsgründen akzeptiert, aber nicht mehr ausgewertet; sie ändert an der Laufzeit nichts, und wer sie als Lösung empfiehlt, hat seit Jahren nicht nachgesehen. Die Handbuchseite zu grep(1) führt sie entsprechend ohne Wirkung.
Bleibt der Ausschlusssatz selbst. Er ist Konfiguration, nicht Optimierung: Einmal festgelegt, gilt er für Handaufruf, Skript und Prüflauf. Wer ihn nur in der Shell tippt, wird ihn beim nächsten Mal vergessen und die 38 Sekunden erneut bezahlen.