我有一个输入文件,它可能包含多达 1M 条记录,每条记录看起来像这样
字段 1 字段 2 字段3\n
我想读取这个输入文件并根据 field3
对其进行排序,然后再将其写入另一个文件。
这是我目前所拥有的
var fs = require('fs'),
readline = require('readline'),
stream = require('stream');
var start = Date.now();
var outstream = new stream;
outstream.readable = true;
outstream.writable = true;
var rl = readline.createInterface({
input: fs.createReadStream('cross.txt'),
output: outstream,
terminal: false
});
rl.on('line', function(line) {
//var tmp = line.split("\t").reverse().join('\t') + '\n';
//fs.appendFileSync("op_rev.txt", tmp );
// this logic to reverse and then sort is too slow
});
rl.on('close', function() {
var closetime = Date.now();
console.log('Read entirefile. ', (closetime - start)/1000, ' secs');
});
我基本上被困在这一点上,我所拥有的只是从一个文件读取并写入另一个文件的能力,有没有办法在写入之前有效地对这些数据进行排序
最佳答案
DB
和 sort-stream
是很好的解决方案,但是 DB 可能有点过头了,我认为 sort-stream
最终只是将整个文件排序到内存数组中(在 through
结束回调上),所以我认为与原始解决方案相比性能大致相同。
(但我没有运行任何基准测试,所以我可能错了)。
所以,只是为了破解它,我会提出另一个解决方案:)
编辑: 我很想知道这会有多大的不同,所以我运行了一些基准测试。
结果甚至让我感到惊讶,事实证明 sort -k3,3
解决方案比原来的解决方案更好,快 x10 倍(简单的数组排序) , 而 nedb
和 sort-stream
解决方案至少比原始解决方案慢 x18 倍(即至少比 慢 x180 倍排序 -k3,3
).
(请参阅下面的基准测试结果)
如果在 *nix 机器(Unix、Linux、Mac 等)上,您可以简单地使用
sort -k 3,3 yourInputFile > op_rev.txt
并让操作系统为您进行排序。
您可能会获得更好的性能,因为排序是 native 完成的。
或者,如果你想在 Node 中处理排序后的输出:
var util = require('util'),
spawn = require('child_process').spawn,
sort = spawn('sort', ['-k3,3', './test.tsv']);
sort.stdout.on('data', function (data) {
// process data
data.toString()
.split('\n')
.map(line => line.split("\t"))
.forEach(record => console.info(`Record: ${record}`));
});
sort.on('exit', function (code) {
if (code) {
// handle error
}
console.log('Done');
});
// optional
sort.stderr.on('data', function (data) {
// handle error...
console.log('stderr: ' + data);
});
希望这会有所帮助:)
编辑:添加一些基准测试细节。
我很想知道这会有多大的不同,所以我运行了一些基准测试。
以下是结果(在 MacBook Pro 上运行):
sort1 使用一种简单的方法,将记录排序在一个
内存数组
中。
平均时间:35.6s(基线)sort2 按照 Joe Krill 的建议使用
sort-stream
。
平均时间:11.1m(大约 x18.7 倍慢)
(我不知道为什么。我没有深入研究。)sort3 按照 Tamas Hegedus 的建议使用
nedb
。
时间:约16m(约慢27倍)sort4 仅通过在终端中执行
sort -k 3,3 input.txt > out4.txt
进行排序
平均时间:1.2s(大约 x30 倍快)sort5 使用
sort -k3,3
,并处理发送到stdout的响应
平均时间:3.65s(大约 x9.7 倍快)
关于javascript - 在 nodejs 中写入文件之前对数据流进行排序,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34956869/