Question

我正在尝试从一个巨大的文件（800k行）中获取数据，并通过lambda（AWS）将其放入数据库。为此，我将S3中的xlsx文件作为缓冲区并读取它。

module.exports.getSalesData = new Promise((resolve, reject) => {
  getFileFromS3(filename)
    .then(function (workbook) {
      console.log(workbook.SheetNames[1]); // 'sales'
      console.log(workbook.SheetNames); // showing sales as [ 'main', 'sales', 'Sheet1' ]
      console.log(Array.isArray(workbook.SheetNames)); // true
      console.log(typeof workbook.SheetNames); // Object
      console.log(Object.keys(workbook.Sheets)); // [ 'main', 'Sheet1' ] == why 'sales' is not here?

      var sheet_name = workbook.SheetNames[1]; // sales tab
      var json_sheet = XLSX.utils.sheet_to_json(workbook.Sheets[sheet_name], { raw: true })
      resolve(json_sheet)
    })
    .catch(err => {
      console.log('File: ' + filename + ' doesn\'t exists on S3 or you\'re not connected to the internet.');
    })
})

问题在于workbook.Sheets我应该看到[ 'main', 'sales', 'Sheet1' ]，对吗？

然后我尝试获取行数（已经转换为JSON），如下所示：

getSalesData.then(function (data) {
    console.log(data.length + ' rows');
    console.log(data[0]);
  }).catch(err => console.error(err));

参数data是上面函数中定义的json_sheet。所以对于data.length（行数），我得到0而不是800k +。当然，我无法获得data[0] undefined。

PS：文件 57.3mb - 不确定是否是原因。

提前感谢您的帮助。

Answer 1

所以基本上发生的事情是NodeJS无法读取整个文件，因为它崩溃了字符串的NodeJS VM内存限制。

所以我要做的就是像这样增加内存限制：

node --max-old-space-size=2048 services/process/process-sales.js

对于NodeJS，内存将从512MB增加到2048MB / 2GB。

但这只是一个读取大量值的解决方案。

我不建议使用NodeJS来威胁大量这样的数据。而是使用像Pandas这样的库来使用Python，这非常棒。

PS：通过使用nodejs处理数据，我的观点和经验。我不认为nodejs是为它做的。

无法从巨大的xlsx文件中获得正确的表格 - 使用NodeJS XLSX库

1 个答案: