我有一个运行时间很长的node.js进程,我需要扫描日志文件中的模式。我至少有两个明显的选择:spawn a grep process或使用fs.read*读取文件并解析node.js中的缓冲区/流。我还没有在intarwebs上找到两种方法的比较。我的问题有两个:
答案 0 :(得分:12)
这是我的nodejs实现,结果非常符合预期: 小文件运行速度比分叉grep(文件长达2-3k短线)快, 大文件运行速度较慢。文件越大,差异越大。 (也许正则表达式越复杂,差异越小 - 见 下文)。
我使用自己的qfgets包快速 一次一行文件i / o;那里可能有更好的,我不知道。
我看到一个意外的异常,我没有调查:下面的时间
用于常量字符串regexp /foobar/
。当我把它改成
/[f][o][o][b][a][r]/
实际运用正则表达式引擎,grep放慢了速度
下降3倍,节点加速! grep的3倍减速可以重现
命令行。
filename = "/var/log/apache2/access.log"; // 2,540,034 lines, 187MB
//filename = "/var/log/messages"; // 25,703 lines, 2.5MB
//filename = "out"; // 2000 lines, 188K (head -2000 access.log)
//filename = "/etc/motd"; // 7 lines, 286B
regexp = /foobar/;
child_process = require('child_process');
qfgets = require('qfgets');
function grepWithFs( filename, regexp, done ) {
fp = new qfgets(filename, "r");
function loop() {
for (i=0; i<40; i++) {
line = fp.fgets();
if (line && line.match(regexp)) process.stdout.write(line);
}
if (!fp.feof()) setImmediate(loop);
else done();
}
loop();
}
function grepWithFork( filename, regexp, done ) {
cmd = "egrep '" + regexp.toString().slice(1, -1) + "' " + filename;
child_process.exec(cmd, {maxBuffer: 200000000}, function(err, stdout, stderr) {
process.stdout.write(stdout);
done(err);
});
}
测试:
function fptime() { t = process.hrtime(); return t[0] + t[1]*1e-9 }
t1 = fptime();
if (0) {
grepWithFs(filename, regexp, function(){
console.log("fs done", fptime() - t1);
});
}
else {
grepWithFork(filename, regexp, function(err){
console.log("fork done", fptime() - t1);
});
}
结果:
/**
results (all file contents memory resident, no disk i/o):
times in seconds, best run out of 5
/foobar/
fork fs
motd .00876 .00358 0.41 x 7 lines
out .00922 .00772 0.84 x 2000 lines
messages .0101 .0335 3.32 x 25.7 k lines
access.log .1367 1.032 7.55 x 2.54 m lines
/[f][o][o][b][a][r]/
access.log .4244 .8348 1.97 x 2.54 m lines
**/
(上面的代码都是一个文件,我把它拆开以避开滚动条)
编辑:突出显示关键结果:
185MB,254万行,搜索RegExp / [f] [o] [o] [b] [a] [r] /:
已过去:.83秒
已过去:.42秒
答案 1 :(得分:3)
为了回答这个问题,我写了这个小程序。
#!/usr/local/bin/node
'use strict';
var fs = require('fs');
var log = '/var/log/maillog';
var fsOpts = { flag: 'r', encoding: 'utf8' };
var wantsRe = new RegExp(process.argv[2]);
var handleResults = function (err, data) {
console.log(data);
};
var grepWithFs = function (file, done) {
fs.readFile(log, fsOpts, function (err, data) {
if (err) throw (err);
var res = '';
data.toString().split(/\n/).forEach(function (line) {
if (wantsRe && !wantsRe.test(line)) return;
res += line + '\n';
});
done(null, res);
});
};
var grepWithShell = function (file, done) {
var spawn = require('child_process').spawn;
var res = '';
var child = spawn('grep', [ '-e', process.argv[2], file ]);
child.stdout.on('data', function (buffer) { res += buffer.toString(); });
child.stdout.on('end', function() { done(null, res); });
};
for (var i=0; i < 10; i++) {
// grepWithFs(log, handleResults);
grepWithShell(log, handleResults);
}
然后我在循环10x中交替运行这两个函数,并测量他们从我的用例的代表日志文件中获取结果的时间:
$ ls -alh /var/log/maillog
-rw-r--r-- 1 root wheel 37M Feb 8 16:44 /var/log/maillog
文件系统是一对镜像固态硬盘,它们通常足够快,不会成为瓶颈。结果如下:
$ time node logreader.js 3E-4C03-86DD-FB6EF
real 0m0.238s
user 0m0.181s
sys 0m1.550s
$ time node logreader.js 3E-4C03-86DD-FB6EF
real 0m6.599s
user 0m5.710s
sys 0m1.751s
差异巨大。使用shell grep进程要快得多。正如Andras指出的那样,节点的I / O可能很棘手,而且我没有尝试任何其他fs.read *方法。如果有更好的方法,请指出(最好使用类似的测试方案和结果)。
答案 2 :(得分:0)