GNU awk 怎样给关联数组遍历指定排序规则

用 awk 汇总完数据，下一步往往是生成一份容易比较的报表。若直接写 for (k in a)，就不能把遍历顺序当成报表约定。GNU awk 提供 PROCINFO["sorted_in"]：在循环开始前设置排序规则，循环仍然返回原来的键，取值方式仍是 a[k]。

下面用一个假设的服务请求计数任务说明选择方法。示例用于解释接口，没有在本机执行；这项能力是 gawk 的既有扩展，并非刚发布的新语法。

把统计报表的顺序写进脚本

假设我们统计不同服务的请求数。报表既可能需要按服务名排列，方便人工定位；也可能需要按计数排列，方便先看高频项。先决定比较对象是键还是值，再决定字符串或数字比较，最后决定升序还是降序，这比试几个参数观察输出更可靠。

调用时明确使用 gawk，不要假设系统的 awk 链接一定指向 GNU 实现。POSIX awk 没有规定关联数组的遍历顺序，这个扩展也不能作为跨实现脚本的共同前提。

按键排序时先确定数字还是文本

# 用数字形式的键说明两种比较口径
BEGIN {
    a[2] = "beta"
    a[10] = "gamma"
    a[1] = "alpha"
    PROCINFO["sorted_in"] = "@ind_str_asc"
    for (k in a)
        print k, a[k]
}

这里的键在内部是字符串。按文本比较，示例中的键次序应为 1、10、2；改成 @ind_num_asc 后，按数字解释时应为 1、2、10。这些是规则推导出的预期次序，不是终端执行记录。

不要对混合业务标识符随意使用数字规则。非数字键按数字比较时会被当作零处理；把 api、worker 和编号键混在一起，就不再是在按完整标识符排序。

按计数降序输出一张小报表

# 保存为 report.awk，用 gawk -f report.awk 运行
BEGIN {
    count["api"] = 42
    count["worker"] = 17
    count["batch"] = 28

    # 规则针对值，循环变量仍是服务名
    PROCINFO["sorted_in"] = "@val_num_desc"
    for (service in count)
        printf "%s\t%d\n", service, count[service]
}

这个例子的预期服务顺序是 api、batch、worker。设置没有把数组重新编号，也没有让循环变量变成计数。若把输出写成 print service，打印的依然是键；计数要显式读取 count[service]。

相同计数需要额外注意：内置数值排序还有相等情况下的比较规则，不要把它理解成保留插入顺序。若报表契约要求“计数相同按某个业务优先级”，应设计明确的自定义比较函数，而不是依赖默认平局顺序。本文的最小例子用不同计数避开这类业务约定。

临时改规则后恢复调用者设置

PROCINFO["sorted_in"] 作用于全局关联数组遍历，不只影响某个数组。把报表输出封装成函数时，应同时保存“原来有没有这个元素”和“原来的值”。只判断旧值是否为真，无法准确恢复原本存在但为空的状态。

# 数组参数按引用传递；额外形参用作函数内局部变量
function print_counts(a,    had, saved, k) {
    had = ("sorted_in" in PROCINFO)
    if (had)
        saved = PROCINFO["sorted_in"]

    PROCINFO["sorted_in"] = "@val_num_desc"
    for (k in a)
        printf "%s\t%d\n", k, a[k]

    # 还原存在性，避免污染后续数组遍历
    if (had)
        PROCINFO["sorted_in"] = saved
    else
        delete PROCINFO["sorted_in"]
}
BEGIN {
    count["api"] = 42
    count["worker"] = 17
    count["batch"] = 28
    print_counts(count)
}

这段恢复逻辑建立在函数正常返回的前提上。若以后增加提前返回的分支，要保证恢复语句仍然会被执行。嵌套遍历也要考虑共享配置：当前循环的次序在进入循环时确定，循环体中修改设置不会重排当前循环，却可能改变随后开始的另一个循环。

需要回到默认的无指定顺序状态，可以删除该元素，或使用 @unsorted。这里的“无指定顺序”并不是随机洗牌；不要拿它实现抽样或随机展示。

需要独立排序结果时换一种接口

若目标只是有序打印，遍历规则能让代码保持简短；如果后续要多次按位置访问第一个、第二个键，可以考虑 asorti(source, dest, how)，把排序后的键放入另一个数组，再用整数索引访问。需要排序后的值集合时再看 asort()。这两者与控制遍历的设置解决不同的数据使用需求。

在报表中采用这项扩展前，建议确认三个问题：部署环境能否明确使用 gawk；键和值是否分别具有清楚的比较类型；公用函数是否恢复全局配置。数据量很大时，排序也会增加资源开销，不要假设指定顺序是免费的。遍历期间尽量不要增删参与排序的元素，让报表的输入保持稳定。

官方手册：https://www.gnu.org/software/gawk/manual/html_node/Controlling-Scanning.html；数组排序接口：https://www.gnu.org/software/gawk/manual/gawk.html。