建站
咨詢
售后
建站咨詢
新聞中心
解決一個(gè)問(wèn)題不只要搜尋最終的答案，尋找答案的過(guò)程同樣也是重要的，善于思考與總結(jié)總歸是好的。
本文介紹一個(gè)概念 SAX 的設(shè)計(jì)模式，這個(gè)概念雖然不是來(lái)源于 Node.js，但它解決問(wèn)題的一些思想當(dāng)我們?cè)谑褂?Node.js 或一些其它的編程語(yǔ)言中遇到類似問(wèn)題時(shí)也會(huì)受到一些啟發(fā)，本文后面會(huì)介紹如何流式處理一個(gè)大 JSON 文件，下面先給出了兩個(gè)問(wèn)題，可以先思考下如果是你會(huì)怎么做？
場(chǎng)景描述
問(wèn)題一：假設(shè)現(xiàn)在有一個(gè)場(chǎng)景，有一個(gè)大的 JSON 文件，需要讀取每一條數(shù)據(jù)經(jīng)過(guò)處理之后輸出到一個(gè)文件或生成報(bào)表數(shù)據(jù)，怎么能夠流式的每次讀取一條記錄？
- [
- {"id": 1},
- {"id": 2},
- ...
- ]
問(wèn)題二：同樣一個(gè)大的 JSON 文件，我只讀取其中的某一塊數(shù)據(jù)，想只取 list 這個(gè)對(duì)象數(shù)組怎么辦？
- {
- "list": [],
- "otherList": []
- }
在 Node.js 中我們可以基于以下幾種方式讀取數(shù)據(jù)，也是通常首先能夠想到的：
- fs.readFile()：這個(gè)是一次性讀取數(shù)據(jù)到內(nèi)存，數(shù)據(jù)量大了都占用到內(nèi)存也不是好辦法，很容易造成內(nèi)存溢出。
- fs.createReadStream()：創(chuàng)建一個(gè)可讀流，能解決避免大量數(shù)據(jù)占用內(nèi)存的問(wèn)題，這是一個(gè)系統(tǒng)提供的基礎(chǔ) API 讀取到的是一個(gè)個(gè)的數(shù)據(jù)塊，因?yàn)槲覀兊?JSON 對(duì)象是結(jié)構(gòu)化的，也不能直接解決上面提的兩個(gè)問(wèn)題。
- 還有一個(gè) require() 也可以加載 JSON 文件，但是稍微熟悉點(diǎn) Node.js CommonJS 規(guī)范的應(yīng)該知道 require 加載之后是會(huì)緩存的，會(huì)一直占用在服務(wù)的內(nèi)存里。
了解下什么是 SAX
SAX 是 Simple API for XML 的簡(jiǎn)稱，目前沒(méi)有一個(gè)標(biāo)準(zhǔn)的 SAX 參考標(biāo)準(zhǔn)，最早是在 Java 編程語(yǔ)言里被實(shí)現(xiàn)和流行開的，以 Java 對(duì) SAX 的實(shí)現(xiàn)后來(lái)也被認(rèn)為是一種規(guī)范。其它語(yǔ)言的實(shí)現(xiàn)也是遵循著該規(guī)則，盡管每門語(yǔ)言實(shí)現(xiàn)都有區(qū)別，但是這里有一個(gè)重要的概念 “事件驅(qū)動(dòng)” 是相同的。
實(shí)現(xiàn)了 SAX 的解析器擁有事件驅(qū)動(dòng)那樣的 API，像 Stream 的方式來(lái)工作，邊讀取邊解析，用戶可以定義回調(diào)函數(shù)獲取數(shù)據(jù)，無(wú)論 XML 內(nèi)容多大，內(nèi)存占用始終都會(huì)很小。
這對(duì)我們本節(jié)有什么幫助？我們讀取解析一個(gè)大 JSON 文件的時(shí)候，也不能把所有數(shù)據(jù)都加載到內(nèi)存里，我們也需要一個(gè)類似 SAX 這樣的工具幫助我們實(shí)現(xiàn)。
基于 SAX 的流式 JSON 解析器
這是一個(gè)流式 JSON 解析器 https://github1s.com/creationix/jsonparse 周下載量在 600 多萬(wàn)，但是這個(gè)源碼看起來(lái)很難梳理。如果是學(xué)習(xí)，推薦一個(gè)基于 SAX 的更簡(jiǎn)單版本 https://gist.github.com/creationix/1821394 感興趣的可以看看。
JSON 是有自己的標(biāo)準(zhǔn)的，有規(guī)定的數(shù)據(jù)類型、格式。這個(gè) JSON 解析器也是在解析到特定的格式或類型后觸發(fā)相應(yīng)的事件，我們?cè)谑褂脮r(shí)也要注冊(cè)相應(yīng)的回調(diào)函數(shù)。
下面示例，創(chuàng)建一個(gè)可讀流對(duì)象，在流的 data 事件里注冊(cè) SaxParser 實(shí)例對(duì)象的 parse 方法，也就是將讀取到的原始數(shù)據(jù)（默認(rèn)是 Buffer 類型）傳遞到 parse() 函數(shù)做解析，當(dāng)解析到數(shù)據(jù)之后觸發(fā)相應(yīng)事件。
對(duì)應(yīng)的 Node.js 代碼如下：
- const SaxParser = require('./jsonparse').SaxParser;
- const p = new SaxParser({
- onNull: function () { console.log("onNull") },
- onBoolean: function (value) { console.log("onBoolean", value) },
- onNumber: function (value) { console.log("onNumber", value) },
- onString: function (value) { console.log("onString", value) },
- onStartObject: function () { console.log("onStartObject") },
- onColon: function () { console.log("onColon") },
- onComma: function () { console.log("onComma") },
- onEndObject: function () { console.log("onEndObject") },
- onStartArray: function () { console.log("onEndObject") },
- onEndArray: function () { console.log("onEndArray") }
- });
- const stream = require('fs').createReadStream("./example.json");
- const pparse = p.parse.bind(p);
- stream.on('data', parse);
怎么去解析一個(gè) JSON 文件的數(shù)據(jù)已經(jīng)解決了，但是如果直接這樣使用還是需要在做一些處理工作的。
JSONStream 處理大文件
這里推薦一個(gè) NPM 模塊 JSONStream，在它的實(shí)現(xiàn)中就是依賴的 jsonparse 這個(gè)模塊來(lái)解析原始的數(shù)據(jù)，在這基礎(chǔ)之上做了一些處理，根據(jù)一些匹配模式返回用戶想要的數(shù)據(jù)，簡(jiǎn)單易用。
下面我們用 JSONStream 解決上面提到的兩個(gè)問(wèn)題。
問(wèn)題一：
假設(shè)現(xiàn)在有一個(gè)場(chǎng)景，有一個(gè)大的 JSON 文件，需要讀取每一條數(shù)據(jù)經(jīng)過(guò)處理之后輸出到一個(gè)文件或生成報(bào)表數(shù)據(jù)，怎么能夠流式的每次讀取一條記錄？
因?yàn)闇y(cè)試，所以我將 highWaterMark 這個(gè)值調(diào)整了下，現(xiàn)在我們的數(shù)據(jù)是下面這樣的。
- [
- { "id": 1 },
- { "id": 2 }
- ]
重點(diǎn)是 JSONStream 的 parse 方法，我們傳入了一個(gè) '.'，這個(gè) data 事件也是該模塊自己處理過(guò)的，每次會(huì)為我們返回一個(gè)對(duì)象：
- 第一次返回 { id: 1 }
- 第二次返回 { id: 2 }
- const fs = require('fs');
- const JSONStream = require('JSONStream');
- (async () => {
- const readable = fs.createReadStream('./list.json', {
- encoding: 'utf8',
- highWaterMark: 10
- })
- const parser = JSONStream.parse('.');
- readable.pipe(parser);
- parser.on('data', console.log);
- })()
問(wèn)題二：
同樣一個(gè)大的 JSON 文件，我只讀取其中的某一塊數(shù)據(jù)，想只取 list 這個(gè)數(shù)組對(duì)象怎么辦?
解決第二個(gè)問(wèn)題，現(xiàn)在我們的 JSON 文件是下面這樣的。
- {
- "list": [
- { "name": "1" },
- { "name": "2" }
- ],
- "other": [
- { "key": "val" }
- ]
- }
與第一個(gè)解決方案不同的是改變了 parse('list.*') 方法，現(xiàn)在只會(huì)返回 list 數(shù)組，other 是不會(huì)返回的，其實(shí)在 list 讀取完成之后這個(gè)工作就結(jié)束了。
- 第一次返回 { name: '1' }
- 第二次返回 { name: '2' }
- (async () => {
- const readable = fs.createReadStream('./list.json', {
- encoding: 'utf8',
- highWaterMark: 10
- })
- const parser = JSONStream.parse('list.*');
- readable.pipe(parser);
- parser.on('data', console.log);
- })();
總結(jié)
當(dāng)我們遇到類似的大文件需要處理時(shí)，盡可能避免將所有的數(shù)據(jù)存放于內(nèi)存操作，應(yīng)用服務(wù)的內(nèi)存都是有限制的，這也不是最好的處理方式。
文中主要介紹如何流式處理類似的大文件，更重要的是掌握編程中的一些思想，例如 SAX 一個(gè)核心點(diǎn)就是實(shí)現(xiàn)了 “事件驅(qū)動(dòng)” 的設(shè)計(jì)模式，同時(shí)結(jié)合 Stream 做到邊讀取邊解析。
處理問(wèn)題的方式是多樣的，還可以在生成 JSON 文件時(shí)做拆分，將一個(gè)大文件拆分為不同的小文件。
學(xué)會(huì)尋找答案，NPM 生態(tài)發(fā)展的還是不錯(cuò)的，基本上你能遇到的問(wèn)題大多已有一些解決方案了，例如本次問(wèn)題，不知道如何使用 Stream 來(lái)讀取一個(gè) JSON 文件時(shí)，可以在 NPM 上搜索關(guān)鍵詞嘗試著找下。
本文題目：如何在Node.js中流式處理大JSON文件
轉(zhuǎn)載源于：http://www.dlmjj.cn/article/dpdeeog.html
