如何在 Node.js 中为非常大（> 1GB）文件的每一行运行异步函数

Question

假设您有一个巨大的 (> 1GB) CSV 记录 ID：

655453
4930285
493029
4930301
493031
...

对于每个id，您都希望调用 REST API 来获取记录数据，在本地对其进行转换，然后将其插入到本地数据库中。

您如何使用 Node.js 的 Readable Stream 做到这一点？

我的问题基本上是这样的：你如何逐行读取一个非常大的文件，为每一行运行一个异步函数，并且[可选地]能够从特定行开始读取文件？

从以下 Quora 问题我开始学习使用fs.createReadStream：

http://www.quora.com/What-is-the-best-way-to-read-a-file-line-by-line-in-node-js

var fs = require('fs');
var lazy = require('lazy');

var stream = fs.createReadStream(path, {
  flags: 'r',
  encoding: 'utf-8'
});

new lazy(stream).lines.forEach(function(line) {
  var id = line.toString();
  // pause stream
  stream.pause();
  // make async API call...
  makeAPICall(id, function() {
    // then resume to process next id
    stream.resume();
  });
});

但是，该伪代码不起作用，因为lazy module 强制您读取整个文件（作为流，但没有暂停）。所以这种方法似乎行不通。

另一件事是，我希望能够从特定行开始处理此文件。这样做的原因是，处理每个id（进行 api 调用、清理数据等）每条记录最多可能需要半秒，所以我不想从文件的开头开始每一次。我正在考虑使用的天真的方法是只捕获最后处理的 id 的行号，然后保存它。然后，当您再次解析文件时，您逐行遍历所有 id，直到找到您离开的行号，然后您执行makeAPICall 业务。另一种天真的方法是编写小文件（比如 100 个 id）并一次处理每个文件（足够小的数据集，可以在没有 IO 流的情况下在内存中执行所有操作）。有没有更好的方法来做到这一点？

我可以看到这是如何变得棘手（以及 node-lazy 的来源），因为 stream.on('data', function(chunk) {}); 中的 chunk 可能只包含一行的 部分（如果 bufferSize 很小，每个块可能是 10 行，但因为 id 是可变长度的，它可能只有 9.5 行或其他）。这就是为什么我想知道解决上述问题的最佳方法是什么。

Answer 1

我猜你不需要使用node-lazy。这是我在Node docs 中找到的：

事件：data

function (data) { }

data 事件发出 Buffer（默认情况下）或 string 如果 使用了setEncoding()。

这意味着您在流上调用setEncoding()，然后您的data 事件回调将接受字符串参数。然后在这个回调中你可以调用使用.pause() 和.resume() 方法。

伪代码应如下所示：

stream.setEncoding('utf8');
stream.addListener('data', function (line) {
    // pause stream
    stream.pause();
    // make async API call...
    makeAPICall(line, function() {
        // then resume to process next line
        stream.resume();
    });
})

虽然文档没有明确指定流是逐行读取的，但我认为文件流就是这种情况。至少在其他语言和平台中，文本流以这种方式工作，我认为节点流没有任何不同的理由。

Answer 2

与 Andrew Андрей Листочкин 的回答有关：

您可以使用byline 之类的模块为每一行获取单独的data 事件。它是围绕原始文件流的转换流，它为每个块生成一个data 事件。这使您可以在每一行之后暂停。

byline 不会像lazy 那样将整个文件读入内存。

var fs = require('fs');
var byline = require('byline');

var stream = fs.createReadStream('bigFile.txt');
stream.setEncoding('utf8');

// Comment out this line to see what the transform stream changes.
stream = byline.createStream(stream); 

// Write each line to the console with a delay.
stream.on('data', function(line) {
  // Pause until we're done processing this line.
  stream.pause();

  setTimeout(() => {
      console.log(line);

      // Resume processing.
      stream.resume();
  }, 200);
});