从内存消耗低的流中提取二进制值

Question

我正在使用 ExpressJS 构建一个 NodeJS 服务器来处理通过 发送的数据（50KB 到 >100MB） POST 来自桌面应用程序的请求 将被处理并返回。桌面应用 gzip 在发送之前压缩数据（50KB 变成 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。

我从这个开始：

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
    });
});

这是有效的，因为 body-parser 将数据解压缩到存储在内存中的缓冲区 req.body 中。这是我的主要问题......内存使用。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。像Dissolve这样的模块很接近，但是它们需要你提前设置解析逻辑并且所有抓取的值都存储在内存中。

此外，我不知道如何在不将其全部加载到内存的情况下响应 outputData。

所以我的问题是，我该如何...

以我自己的速率异步读取流中的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

Answer 1

我解决了我自己的问题。我不是 100% 确信这是实现此目标的最佳方法，因此我愿意接受建议。

我做了一个stream.Transform的子类，实现了_transform方法。我发现下一个数据块只有在 _transform 回调被调用时才会得到输入。知道这一点后，我将该回调函数存储为属性并仅在需要下一个块时调用它。

getBytes(size) 是一种方法，它将从当前块（也保存为属性）中获取指定数量的字节，并在需要下一个块时调用先前保存的回调。这是递归完成的，以考虑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 promises，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 
}

我现在的快递路线是：

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);
});

通过检查事件 started，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变量即可。它做的正是我需要的，虽然我还没有做任何严格的测试。

从内存消耗低的流中提取二进制值

Extract binary values from stream with low memory consumption

gzip

asynchronous

stream

node.js

express