使用 C# 从存储在 azure blob 存储中的 200gb 文本文件中读取一行

Question

我在 azure blob 存储上有 200 GB 的文本文件。 我想在文本中搜索，然后匹配行需要下载而不是整个 200 gb 文件，然后 select 那行。

我通过下载完整文件然后搜索和选择在 c# 中编写了代码，但它花费了太多时间，然后因超时错误而失败。

var content ="" ////Downloading whole text from azure blob storage
 StringReader strReader = new StringReader(contents);
 var searchedLines1 = contents.Split(new string[] { Environment.NewLine }, StringSplitOptions.RemoveEmptyEntries).
            Select((text, index) => new { text, lineNumber = index + 1 })
                       .Where(x => x.text.Contains("TYLER15727@YAHOO.COM") || x.lineNumber == 1);

Answer 1

您将需要 stream 文件并设置超时。 我已经在IAsyncEnumerable中包装了 stream 实现，这是完全没有必要的......但为什么不

给定

public static async IAsyncEnumerable<string> Read(StreamReader stream)
{
   while(!stream.EndOfStream)
      yield return await stream.ReadLineAsync();
}

用法

var blobClient = new BlobClient( ... , new BlobClientOptions()
{
   Transport = new HttpClientTransport(new HttpClient {Timeout = Timeout.InfiniteTimeSpan}),
   Retry = {NetworkTimeout = Timeout.InfiniteTimeSpan}
});

await using var stream = await blobClient.OpenReadAsync();
using var reader = new StreamReader(stream);

await foreach (var line in Read(reader))
   if (line.Contains("bob"))
   {
      Console.WriteLine("Yehaa");
      // exit or what ever
   }

_{免责声明：完全未经测试}

_{注意：如果您使用 C#4，则需要删除所有等待和异步方法，只需将 for 循环与stream.ReadLine一起使用}