可以让事件处理程序等到异步/基于 Promise 的代码完成吗？

Question

我在 nodejs 模式下使用优秀的 Papa Parse 库，将一个超过 100 万行的大型 (500 MB) CSV 文件流式传输到一个缓慢的持久性 API，它只能接受一个请求一个时间。持久性 API 基于 Promises，但是从 Papa Parse，我在 synchronous 事件中收到每个解析的 CSV 行，如下所示：parseStream.on("data", row => { ... }

我面临的挑战是 Papa Parse 从流中转储其 CSV 行的速度如此之快，以至于我缓慢的持久性 API 跟不上。因为 Papa 是 synchronous 而我的 API 是基于 Promise 的，所以我不能只调用 await doDirtyWork(row) 在 on 事件处理程序，因为同步和异步代码不混合。

或者它们可以混合，我只是不知道如何混合？

我的问题是，我可以让爸爸的事件处理程序等待我的 API 调用完成吗？直接在 on("data") 事件中执行持久性 API 请求，使 on() 函数以某种方式徘徊，直到肮脏的 API 工作完成？

就内存占用而言，我目前的解决方案并不比使用 Papa 的非流模式好多少。实际上，我需要以生成器函数迭代的形式排队 on("data") 事件的洪流。我也可以将 promise 工厂排成一个数组，然后循环处理它。不管怎样，我最终将几乎整个 CSV 文件保存为内存中未来承诺（承诺工厂）的巨大集合，直到我缓慢的 API 调用一直有效。

async importCSV(filePath) {
    let parsedNum = 0, processedNum = 0;

    async function* gen() {
        let pf = yield;
        do {
            pf = yield await pf();
        } while (typeof pf === "function");
    };

    var g = gen();
    g.next();


    await new Promise((resolve, reject) => {
        try {
            const dataStream = fs.createReadStream(filePath);
            const parseStream = Papa.parse(Papa.NODE_STREAM_INPUT, {delimiter: ",", header: false});
            dataStream.pipe(parseStream);

            parseStream.on("data", row => {

                // Received a CSV row from Papa.parse()

                try {
                    console.log("PA#", parsedNum, ": parsed", row.filter((e, i) => i <= 2 ? e : undefined)
                    );
                    parsedNum++;

                    // Simulate some really slow async/await dirty work here, for example 
                    // send requests to a one-at-a-time persistence API

                    g.next(() => {  // don't execute now, call in sequence via the generator above
                        return new Promise((res, rej) => {
                            console.log(
                                "DW#", processedNum, ": dirty work START",
                                row.filter((e, i) => i <= 2 ? e : undefined)
                            );
                            setTimeout(() => {
                                console.log(
                                    "DW#", processedNum, ": dirty work STOP ",
                                    row.filter((e, i) => i <= 2 ? e : undefined)
                                );
                                processedNum++;
                                res();
                            }, 1000)
                        })
                    
                    });
                } catch (err) {
                    console.log(err.stack);
                    reject(err);                    
                }
            });
            parseStream.on("finish", () => {
                console.log(`Parsed ${parsedNum} rows`);
                resolve();
            });

        } catch (err) {
            console.log(err.stack);
            reject(err);                    
        }
    });
    while(!(await g.next()).done);
}

所以为什么要赶爸爸？为什么不允许我慢一点处理文件——原始 CSV 文件中的数据不会运行消失，我们有几个小时来完成流式传输，为什么要用 on("data") 事件来敲打我我似乎不能放慢速度？

所以我真正需要的是让爸爸变得更像个爷爷，并尽量减少或消除 CSV 行的任何排队或缓冲。理想情况下，我能够将爸爸的解析事件与我的 API 的速度（或缺乏）完全同步。因此，如果不是因为异步代码无法让同步代码“休眠”这一教条，我最好将每个 CSV 行发送到 Papa 事件中的 API , 并且只有然后 return 控制给爸爸。

建议？事件处理程序的某种“松散耦合”与我的异步 API 的缓慢也很好。我不介意几百行排队。但是当数以万计的堆起来的时候，我会运行 out of heap fast.

Answer 1

JavaScript 中的异步代码有时可能有点难以理解。重要的是要记住 Node 是如何处理并发的。

节点进程是single-threaded，但它使用了一个称为事件循环的概念。这样做的结果是异步代码和回调本质上是同一事物的等效表示。

当然，您需要一个异步函数才能使用 await，但是您从 Papa Parse 的回调可以是一个异步函数：

parse.on("data", async row => {
  await sync(row)
})

一旦await操作完成，箭头函数结束，所有对行的引用将被清除，因此垃圾收集器可以成功收集row，释放内存。

这样做的效果是每次解析一行时并发执行sync，所以如果您一次只能同步一条记录，那么我建议将同步功能包装在去抖动器中。

Answer 2

Why hammer me with on("data") events that I can't seem to slow down?

你可以，你只是没有让爸爸停下来。您可以通过调用 stream.pause(), then later stream.resume() 来使用节点流的内置 back-pressure.

但是，API 有比您自己在 callback-based 代码中处理此问题更好用的方法：use the stream as an async iterator！当您在 for await 循环体中 await 时，生成器也必须暂停。所以你可以写

async importCSV(filePath) {
    let parsedNum = 0;

    const dataStream = fs.createReadStream(filePath);
    const parseStream = Papa.parse(Papa.NODE_STREAM_INPUT, {delimiter: ",", header: false});
    dataStream.pipe(parseStream);

    for await (const row of parseStream) {
        // Received a CSV row from Papa.parse()
        const data = row.filter((e, i) => i <= 2 ? e : undefined);
        console.log("PA#", parsedNum, ": parsed", data);
        parsedNum++;
        await dirtyWork(data);
    }
    console.log(`Parsed ${parsedNum} rows`);
}

importCSV('sample.csv').catch(console.error);

let processedNum = 0;
function dirtyWork(data) {
    // Simulate some really slow async/await dirty work here,
    // for example send requests to a one-at-a-time persistence API
    return new Promise((res, rej) => {
        console.log("DW#", processedNum, ": dirty work START", data)
        setTimeout(() => {
             console.log("DW#", processedNum, ": dirty work STOP ", data);
             processedNum++;
             res();
        }, 1000);
    });
}

可以让事件处理程序等到异步/基于 Promise 的代码完成吗？

Possible to make an event handler wait until async / Promise-based code is done?

node.js

promise

backpressure

es6-promise

node-streams