流
2026/7/17大约 1 分钟
一句话结论
Stream 用来分块处理数据，适合文件、网络、压缩、上传下载等大数据场景。它的核心价值是降低内存占用，并通过 backpressure 控制生产和消费速度。
为什么需要它
- 场景：读取大文件、HTTP 下载、上传转存、日志管道、压缩和解压。
- 不处理会怎样：一次性读入内存导致内存暴涨，生产者过快压垮消费者。
运行时边界
| 流类型 | 作用 | 示例 |
|---|---|---|
| Readable | 读数据 | fs.createReadStream |
| Writable | 写数据 | fs.createWriteStream |
| Duplex | 可读可写 | TCP socket |
| Transform | 转换数据 | gzip |
实现
复制文件
import { createReadStream, createWriteStream } from "node:fs";
import { pipeline } from "node:stream/promises";
await pipeline(
createReadStream("input.log"),
createWriteStream("output.log"),
);转换流
import { createGzip } from "node:zlib";
import { createReadStream, createWriteStream } from "node:fs";
import { pipeline } from "node:stream/promises";
await pipeline(
createReadStream("app.log"),
createGzip(),
createWriteStream("app.log.gz"),
);边界与常见坑
- 不要只监听
data就忘记错误处理：优先用pipeline。 - backpressure 是核心：不要手动无限
write。 - 流不是只用于文件：HTTP request/response 也是流。
- 对象流和字节流不同：配置
objectMode后语义变化。
工程取舍
- 适合：大文件、网络传输、压缩、日志处理。
- 谨慎：小数据直接
readFile更简单。 - 不适合或应换方案：需要随机访问的数据不适合纯流式处理。
面试 / 自测
- Stream 解决什么问题？
- 什么是 backpressure？
- 为什么推荐
pipeline？