Question

我对NodeJS流有点新鲜，我越了解它，我越相信它不是一个特别简单稳定的东西。我试图用大字写文件 csv / csv-parse（显然是最受欢迎的CSV模块与NodeJS）使用piping API，其中涉及使用同一作者的stream-transform。

我在这里遇到的部分内容实际上是可以重现的，而不是实际使用解析器，所以我对这些部分进行了评论，以使示例更简单（对于那些喜欢JavaScript而不是CoffeeScript的人， there's also a JS version）：

#-------------------------------------------------------------------------------
fs                        = require 'fs'
transform_stream          = require 'stream-transform'
log                       = console.log
as_transformer            = ( method ) -> transform_stream method, parallel: 11
# _new_csv_parser           = require 'csv-parse'
# new_csv_parser            = -> _new_csv_parser delimiter: ','

#-------------------------------------------------------------------------------
$count = ( input_stream, title ) ->
  count = 0
  #.............................................................................
  input_stream.on 'end', ->
    log ( title ? 'Count' ) + ':', count
  #.............................................................................
  return as_transformer ( record, handler ) =>
    count += 1
    handler null, record

#-------------------------------------------------------------------------------
read_trips = ( route, handler ) ->
  # parser      = new_csv_parser()
  input       = fs.createReadStream route
  #.............................................................................
  input.on 'end', ->
    log 'ok: trips'
    return handler null
  input.setMaxListeners 100 # <<<<<<
  #.............................................................................
  # input.pipe parser
  input.pipe $count input, 'trips A'
    .pipe $count    input, 'trips B'
    .pipe $count    input, 'trips C'
    .pipe $count    input, 'trips D'
    # ... and so on ...
    .pipe $count    input, 'trips Z'
  #.............................................................................
  return null

route = '/Volumes/Storage/cnd/node_modules/timetable-data/germany-berlin-2014/trips.txt'
read_trips route, ( error ) ->
  throw error if error?
  log 'ok'

输入文件包含204865行GTFS数据; 我没有在这里解析它，只是原始阅读，所以我想我用上面的代码计算的是块数据。

我将流从柜台输送到柜台，并且预计会经常到达最后一个柜台第一个;然而，这就是我得到的：

trips A: 157
trips B: 157
trips C: 157
...
trips U: 157
trips V: 144
trips W: 112
trips X: 80
trips Y: 48
trips Z: 16

在早期的设置中我实际上解析了数据，我得到了这个：

trips A: 204865
trips B: 204865
trips C: 204865
...
trips T: 204865
trips U: 180224
trips V: 147456
trips W: 114688
trips X: 81920
trips Y: 49152
trips Z: 16384

所以看起来这条小溪在某种程度上是干涸的。

我怀疑输入流的end事件不是一个可靠的信号来收听试图决定是否所有处理都已完成 - 毕竟，假设处理是合乎逻辑的只有完成消耗之后才能完成一段时间。

所以我寻找另一个事件来听（没找到一个）并延迟调用回调（用 setTimeout，process.nextTick和setImmediate），但无济于事。

如果有人能指出

那就太好了

（1）setTimeout，process.nextTick和setImmediate之间的重要差异在此背景下，
（2）如何可靠地确定最后一个字节是否已由管道的最后一个成员处理。

更新我现在认为问题在于流变换有一个问题，有人报告一个非常相似的问题与几乎相同的数字（他有234841记录，最终得到16390，我有204865并以16384结束。不是证据，而是过于接近偶然。

我抛弃了流转换并改为使用event-stream.map;测试然后运行正常。

Answer 1

几天后，我想我可以说stream-transform存在大文件问题。

我已经切换到event-stream这是恕我直言总体上更好的解决方案，因为它是完全通用的（即它通常是关于流，而不是特别是关于CSV数据的流）。我已经在我的初始pipdreams模块的文档中概述了有关NodeJS中的流库的一些想法，该模块提供了许多常用的流操作。

如何使用大文件，NodeJS流和管道

1 个答案: