nodejs中大文件的解压缩、转换和回压

Question

我有相当大的(30 by gzip，大约300 by)gzip的rdf文件，我需要逐行处理这个文件，并将其压缩回另一个文件。所以这就是我目前所拥有的(测试中的file是大约150MB的gzipped)

const fs = require('fs');
const zlib = require('zlib');
const readline = require('readline');

const readStream = fs.createReadStream('21million.rdf.gz').pipe(zlib.createGunzip());
const writeStream = fs.createWriteStream("21million.rdf");
const gzipStream = zlib.createGzip();

gzipStream.pipe(writeStream);


const rl = readline.createInterface({
    input: readStream,
    output: gzipStream,
});

rl.on('line', (line) => {
    gzipStream.write(`${line.toUpperCase()}\n`);
});

rl.on('close', () => {
    console.log('done');
    gzipStream.end();
});

问题是这样的流，我收到了FATAL ERROR: Ineffective mark-compacts near heap limit Allocation failed - JavaScript heap out of memory

所以问题是-我如何设置它，这样我就不会遇到OOM问题？

PS。我知道它可以用sed，awk，pert等来完成，但我需要用js来完成。

Answer 1

这是由于Node.js处理Streams的方式造成的。它也称为backpressuring。当可读流提供数据的速度快于Writer可以使用的速度时，就会发生这种情况，这会导致内存使用量增加，因为数据必须保留在内存中，直到整个过程完成。

解决此问题的一种方法是使用Transform流，它通过管道处理数据转换。

下面的代码应该可以实现您想要实现的目标：

const stream = require('stream');

const transformStream = new stream.Transform({
    writableObjectMode: true,
    transform: (chunk, encoding, callback) => {
        const chunkText = chunk.toString(encoding);
        const modifiedChunkText = chunkText.toUpperCase(); // apply modifications to the text
        callback(false, Buffer.from(modifiedChunkText, encoding));
    }
});

readStream // reads from 21million.rdf.gz
    .pipe(transformStream) // transforms data
    .pipe(gzipStream) // writes to output file
    .on('finish', () => {
        console.log('done');
    });