介绍
处理大量数据时，node.js 中使用流可以在性能和效率方面带来巨大的优势。流允许连续且分块地处理数据，从而避免将文件完全加载到内存中。本文探讨了使用流的好处，通过一个实际的例子来演示如何高效地转换大型文本文件。
什么是流？
streams 是 node.js 中的一个抽象，它允许分块处理数据，而不是一次将所有内容加载到内存中。 node.js 中有四种主要类型的流：
- readable：我们可以从其中读取数据的流。
- 可写：我们可以写入数据的流。
- duplex：可读可写的流。
- transform：可以在数据通过时修改或转换数据的流。
流的好处
1. 内存效率
使用流，数据以块的形式处理，这意味着您不需要将整个文件加载到内存中。这对于大文件至关重要，因为它可以避免内存问题并提高系统性能。
2. 实时数据处理
流允许连续的数据处理。例如，您可以在仍在接收下一组数据的同时开始处理前一组数据，从而缩短总处理时间。
3. 保持响应能力
通过不阻塞 node.js 事件循环，即使在 i/o 密集型操作期间，流也有助于保持应用程序的响应能力。
One-click installation of GitHub projects
下载
GInstall OneClick — 一键安装 GitHub 项目：规划、克隆、安装 Node 依赖、运行开发脚本。适用于想要获取 GitHubNode.js 项目的用户。
实际例子
生成测试文件
开始之前，让我们创建一个大文本文件进行测试。您可以使用以下python脚本生成10gb文件：
# generator.py
# define o tamanho do arquivo em bytes (10gb)
file_size = 10000 * 1024 * 1024 # 10 gb
# linha que será escrita repetidas vezes no arquivo
line = "this is a line of text to be transformed. adding more text to increase the size of each line.\n"
# calcula o número de linhas necessárias para preencher o arquivo
num_lines = file_size // len(line)
# cria e escreve o arquivo
file_path = "large-input.txt"
with open(file_path, "w") as file:
for _ in range(num_lines):
file.write(line)
print(f"file created successfully at {file_path}")
要运行上述脚本，请将其保存为generator.py并使用以下命令运行：
python3 generator.py
使用流转换文件
这是node.js中的代码，将large-input.txt的内容转换为大写并将结果保存在large-output.txt中。它还显示每 10% 的进度和总处理时间。
// src/index.js
const fs = require('fs');
const { Transform } = require('stream');
const { performance } = require('perf_hooks');
// Caminho para o arquivo de entrada e saída
const inputFile = 'large-input.txt';
const outputFile = 'large-output.txt';
// Cria um Readable Stream a partir do arquivo de entrada
const readableStream = fs.createReadStream(inputFile, { encoding: 'utf8' });
// Cria um Writable Stream para o arquivo de saída
const writableStream = fs.createWriteStream(outputFile);
// Variáveis para rastreamento de progresso
let totalSize = 0;
let processedSize = 0;
let lastLoggedProgress = 0;
const startTime = performance.now();
let processedLines = 0;
fs.stat(inputFile, (err, stats) => {
if (err) {
console.error('Erro ao obter informações do arquivo:', err);
return;
}
totalSize = stats.size;
// Pipe o Readable Stream para o Transform Stream e depois para o Writable Stream
readableStream
.pipe(
new Transform({
transform(chunk, encoding, callback) {
processedSize += chunk.length;
processedLines += chunk.toString().split('\n').length - 1;
// Converte o chunk de dados para letras maiúsculas
const upperCaseChunk = chunk.toString().toUpperCase();
// Chama o callback com o chunk transformado
callback(null, upperCaseChunk);
// Log de progresso
const progress = (processedSize / totalSize) * 100;
if (progress >= lastLoggedProgress + 10) {
console.log(
`Progresso: ${Math.floor(progress)}%, Linhas processadas: ${processedLines}`
);
lastLoggedProgress = Math.floor(progress);
}
},
})
)
.pipe(writableStream)
.on('finish', () => {
const endTime = performance.now();
const timeTaken = ((endTime - startTime) / 1000).toFixed(2);
console.log('Transformação completa e arquivo salvo.');
console.log(`Total de linhas processadas: ${processedLines}`);
console.log(`Tempo total: ${timeTaken} segundos`);
})
.on('error', (err) => {
console.error('Erro durante a transformação:', err);
});
});
这种方法的好处
- 内存效率：使用流可以处理大量数据，而无需将整个文件加载到内存中，避免内存溢出并提高性能。
- 更好的性能：以连续块的方式处理数据可以让您立即开始处理，无需等待文件完全加载。
- 实时反馈：实时进度显示，让处理进度一目了然，以便在必要时进行监控和快速干预。
结论
streams 是 node.js 中处理大量数据的强大工具。使用流，您可以高效地处理文件，保持应用程序响应并避免内存问题。上面的示例演示了如何使用流转换大型文本文件，显示过程的进度和总时间。
有关更多详细信息和访问完整代码，请访问我的 github 存储库。
