从低内存消耗的流中提取二进制值
Posted
技术标签:
【中文标题】从低内存消耗的流中提取二进制值【英文标题】:Extract binary values from stream with low memory consumption 【发布时间】:2019-08-17 07:23:21 【问题描述】:我正在使用 ExpressJS 构建一个 NodeJS 服务器,用于处理从桌面应用通过 POST 请求 发送的数据(50KB 到 >100MB)待处理并退回。桌面应用 gzip 在发送前压缩数据(50KB 变为 4KB)。
我希望服务器解压缩数据,从数据中提取值(字符串、整数、字符、数组、json 等),处理该数据,然后用处理后的数据进行响应。
我是从这个开始的:
apiRoute.route("/convert").post(bodyParser.raw(limit: '100Mb'), (req, res) =>
let outputData;
//extract values from req.body Buffer and do math on them.
//save processed data in outputData
res.json(
status: true,
data: outputData
);
);
之所以有效,是因为 body-parser 将数据解压缩到存储在内存中的 Buffer req.body
中。这是我的主要问题......内存使用情况。我不想将整个数据集存储在内存中。
为了解决这个问题,我删除了 body-parser,而是将请求流直接通过管道传输到 zlib 转换流中:
apiRoute.route("/convert").post((req, res) =>
req.pipe(zlib.createGunzip());
);
现在的问题是我不知道如何从流中提取二进制值。
这是我希望能够做到的:
apiRoute.route("/convert").post((req, res) =>
let binaryStream = new stream.Transform();
req
.pipe(zlib.createGunzip())
.pipe(binaryStream);
let aValue = binaryStream.getBytes(20);//returns 20 bytes
let bValue = binaryStream.getBytes(20000);//returns the next 20000 bytes
//etc...
);
但是我不知道有什么方法可以做到这一点。 Dissolve 之类的模块很接近,但是它们需要您提前设置解析逻辑,并且所有抓取的值都存储在内存中。
另外,如果不将 outputData 全部加载到内存中,我不知道如何响应。
所以我的问题是,我该如何...
以我自己的异步速率从流中读取数据并提取其中的值 将处理后的数据发送回桌面应用程序,而不将其全部放入内存中【问题讨论】:
【参考方案1】:我解决了自己的问题。我不是 100% 确信这是实现此目标的最佳方式,因此我愿意接受建议。
我创建了stream.Transform
的子类并实现了_transform
方法。我发现只有在调用 _transform
回调时才会输入下一个数据块。知道了这一点,我将该回调函数存储为一个属性,并且仅在需要下一个块时调用它。
getBytes(size)
是一种从当前块中获取指定字节数(也保存为属性)并在需要下一个块时调用先前保存的回调的方法。这是递归完成的,以解决不同大小的块和不同数量的请求字节。
然后结合使用 async/await 和 Promise,我能够使整个过程保持异步 (afaik) 和背压。
const Transform = require('stream'),
events = require('events');
class ByteStream extends Transform
constructor(options)
super(options);
this.event_emitter = new events.EventEmitter();
this.hasStarted = false;
this.hasEnded = false;
this.currentChunk;
this.nextCallback;
this.pos = 0;
this.on('finish', ()=>
this.hasEnded = true;
this.event_emitter.emit('chunkGrabbed');
);
_transform(chunk, enc, callback)
this.pos = 0;
this.currentChunk = chunk;
this.nextCallback = callback;
if(!this.hasStarted)
this.hasStarted = true;
this.event_emitter.emit('started');
else
this.event_emitter.emit('chunkGrabbed');
doNextCallback()
return new Promise((resolve, reject) =>
this.event_emitter.once('chunkGrabbed', ()=>resolve(););
this.nextCallback();
);
async getBytes(size)
if(this.pos + size > this.currentChunk.length)
let bytes = this.currentChunk.slice(this.pos, this.currentChunk.length);
if(!this.hasEnded)
var newSize = size-(this.currentChunk.length - this.pos);
//grab next chunk
await this.doNextCallback();
if(!this.hasEnded)
this.pos = 0;
let recurseBytes; await this.getBytes(newSize).then(bytes => recurseBytes = bytes;);
bytes = Buffer.concat([bytes, recurseBytes]);
return bytes;
else
let bytes = this.currentChunk.slice(this.pos, this.pos+size);
this.pos += size;
return bytes;
module.exports =
ByteStream : ByteStream
我现在的快速路线是:
apiRoute.route("/convert").post((req, res)=>
let bStream = new ByteStream();
let gStream = zlib.createGunzip();
bStream event_emitter.on('started', async () =>
console.log("started!");
let myValue; await bStream.getBytes(60000).then(bytes => myValue = bytes);
console.log(myValue.length);
);
req
.pipe(gStream)
.pipe(bStream);
);
通过检查started
事件,我可以知道第一个块何时流入bStream
。从那里开始,只需使用我想要的字节数调用getBytes()
,然后将承诺的值分配给一个变量。它可以满足我的需要,虽然我还没有进行任何严格的测试。
【讨论】:
以上是关于从低内存消耗的流中提取二进制值的主要内容,如果未能解决你的问题,请参考以下文章