当通过 es.map() 和 JSONStream.stringify() 将 JSONStream.parsed() 数据传输到文件流时，节点堆耗尽

Question

我正在尝试通过 JSONStream.parse() 将输入流（从巨大的 GeoJSON 文件创建）通过管道传输以将流分解为对象，然后通过 event-stream.map() 允许我转换对象，然后通过 JSONStream.stringify() 从中创建一个字符串，最后到一个可写的输出流。随着进程运行s，我可以看到节点的内存占用量继续增长，直到它最终耗尽堆。这是重现问题的最简单的脚本 (test.js)：

const fs = require("fs")
const es = require("event-stream")
const js = require("JSONStream")

out = fs.createWriteStream("/dev/null")
process.stdin
    .pipe(js.parse("features.*"))
    .pipe(es.map( function(data, cb) { 
        cb(null, data);
        return;
    } ))
    .pipe(js.stringify("{\n\"type\": \"FeatureCollection\", \"features\": [\n\t", ",\n\t", "\n]\n}"))
    .pipe(out)

一个小 bash 脚本 (barf.sh) 将源源不断的 JSON 喷入节点的 process.stdin 将导致节点的堆逐渐增长：

#!/bin/bash

echo '{"type":"FeatureCollection","features":['
while :
do
    echo '{"type":"Feature","properties":{"name":"A Street"}, "geometry":{"type":"LineString"} },'
done

通过运行将其设置为：

barf.sh | node test.js

有几个奇怪的方法可以回避这个问题：

删除 fs.createWriteStream() 并将最后一个管道阶段从“.pipe(out)”更改为“.pipe(process.stdout)”，然后将管道节点的标准输出更改为 /dev/null
将异步 es.map() 更改为同步 es.mapSync()

前面两个操作中的任何一个都将允许脚本永远运行，节点的内存占用量低且不变。我在具有 8GB 内存的八核机器上使用节点 v6.3.1、事件流 v3.3.4 和 JSONStream 1.1.4 运行ning Ubuntu 16.04.

我希望有人能帮助我纠正我确定是我的明显错误。

Answer 1

JSONStream 不是 streams2 流，因此它不支持背压控制。（关于streams2here有简要总结。）

这意味着数据将在 data 事件中从 parse 流中出来，并且无论消费流是否已为它们准备好，该流都将继续输出它们.如果管道中某处的读写速度存在差异，则会出现缓冲 - 这就是您所看到的。

您的 barf.sh 线束看到通过 stdin 注入的功能。相反，如果您正在读取一个大文件，您应该能够通过暂停文件的读取流来管理流程。因此，如果您要在 map 回调中插入一些 pause/resume 逻辑，您应该能够让它处理大量文件；只是需要更长的时间。我会尝试这样的事情：

let in = fs.createReadStream("/some/massive/file");
let out = fs.createWriteStream("/dev/null");
in
    .pipe(js.parse("features.*"))
    .pipe(es.map(function(data, cb) {
        // This is just an example; a 10-millisecond wait per feature would be very slow.
        if (!in.isPaused()) {
            in.pause();
            global.setTimeout(function () { in.resume(); }, 10);
        }
        cb(null, data);
        return;
    }))
    .pipe(js.stringify("{\n\"type\": \"FeatureCollection\", \"features\": [\n\t", ",\n\t", "\n]\n}"))
    .pipe(out);

顺便说一下，使用 mapSync 对我的电脑（又旧又慢）几乎没有影响。但是，除非您要在 map 中执行一些异步操作，否则我会选择 mapSync。

当通过 es.map() 和 JSONStream.stringify() 将 JSONStream.parsed() 数据传输到文件流时，节点堆耗尽

node heap exhausted when piping JSONStream.parsed() data through es.map() and JSONStream.stringify() to file stream

event-stream

node.js

jsonstream