解压缩，转换和压缩回nodejs中的大文件

Question

我有一个很大的文件（gzip压缩为30Gb，gunzip压缩为〜300Gb），它是rdf压缩文件，我需要逐行处理并将gzip压缩回另一个文件。 所以这是我目前所拥有的（测试文件压缩为〜150Mb）

const fs = require('fs');
const zlib = require('zlib');
const readline = require('readline');

const readStream = fs.createReadStream('21million.rdf.gz').pipe(zlib.createGunzip());
const writeStream = fs.createWriteStream("21million.rdf");
const gzipStream = zlib.createGzip();

gzipStream.pipe(writeStream);


const rl = readline.createInterface({
    input: readStream,
    output: gzipStream,
});

rl.on('line', (line) => {
    gzipStream.write(`${line.toUpperCase()}\n`);
});

rl.on('close', () => {
    console.log('done');
    gzipStream.end();
});

问题出在这样的流程上，我收到FATAL ERROR: Ineffective mark-compacts near heap limit Allocation failed - JavaScript heap out of memory

因此，问题是-如何设置它，以免出现OOM问题？

PS。 我知道它可以用sed，awk，pert等完成，但是我需要在js中完成。

Answer 1

这是由于Node.js处理Streams的方式引起的。 也称为背压 。 当Readable流提供的数据快于Writer消耗的速度时，就会发生这种情况，这会导致内存使用率增加，因为必须将数据保留在内存中，直到整个过程完成为止。

解决此问题的一种方法是使用Transform流，该流处理通过管道进行的数据转换。

以下代码可以完成您要实现的目标：

const stream = require('stream');

const transformStream = new stream.Transform({
    writableObjectMode: true,
    transform: (chunk, encoding, callback) => {
        const chunkText = chunk.toString(encoding);
        const modifiedChunkText = chunkText.toUpperCase(); // apply modifications to the text
        callback(false, Buffer.from(modifiedChunkText, encoding));
    }
});

readStream // reads from 21million.rdf.gz
    .pipe(transformStream) // transforms data
    .pipe(gzipStream) // writes to output file
    .on('finish', () => {
        console.log('done');
    });