php - 从外部 FTP 服务器读取 > 1GB GZipped CSV 文件

Question

在我的 Laravel 应用程序的计划任务中，我正在外部 FTP 服务器上读取几个大的 gzipped CSV 文件，大小从 80mb 到 4gb，包含我根据产品属性存储在我的数据库中的产品。
我遍历要导入的产品提要列表，但每次都返回一个 fatal error :“已用尽 536870912 字节的允许内存大小”。我可以提高 fgetcsv 的长度参数函数来自 1000至 100000这解决了较小文件(< 500mb)的问题，但对于较大的文件，它将返回 fatal error 。
是否有一种解决方案可以让我下载或解压缩 .csv.gz 文件、读取行(按批次或逐行)并将产品插入到我的数据库中而不会耗尽内存？

$feeds = [
    "feed_baby-mother-child.csv.gz",
    "feed_computer-games.csv.gz",
    "feed_general-books.csv.gz",
    "feed_toys.csv.gz",
];

foreach ($feeds as $feed) {
    $importedProducts = array();
    $importedFeedProducts = 0;

    $csvfile = 'compress.zlib://ftp://' . config('app.ftp_username') . ':' . config('app.ftp_password') . '@' . config('app.ftp_host') . '/' . $feed;

    if (($handle = fopen($csvfile, "r")) !== FALSE) {
        $row = 1;
        $header = fgetcsv($handle, 1, "|");
                
        while (($data = fgetcsv($handle, 1000, "|")) !== FALSE) {
            if($row == 1 || array(null) !== $data){ $row++; continue; }
                    
            $product = array_combine($header, $data);
            $importedProducts[] = $product;
        }

        fclose($handle);
    } else {
        echo 'Failed to open: ' . $feed . PHP_EOL;
        continue;
    }
    
    // start inserting products into the database below here
}

Answer 1

问题可能不是 gzip 文件本身，
当然你可以下载它，然后在处理它，这将保持相同的问题。
因为您将所有产品加载到一个数组中(内存)

$importedProducts[] = $product;

您可以将此行注释掉，并查看它是否会达到您的内存限制。
通常我会创建一个像 addProduct($product) 这样的方法来处理它的内存安全。
然后，您可以在进行批量插入之前从那里决定最大数量的产品。为了达到最佳速度..我通常使用 1000 和 5000 行之间的东西。
例如

class ProductBatchInserter
{
    private $maxRecords = 1000;
    private $records = [];
    
    function addProduct($record) {
        $this->records[] = $record;
        if (count($this->records) >= $this->maxRecords) {
           EloquentModel::insert($this->records);
           $this->records = [];
        }
    }
}

但是我通常不会将它作为单个类来实现，但是在我的项目中，我曾经将它们集成为 BulkInsertable 特性，可以在任何 Eloquent 模型上使用。
但这应该给你一个方向，如何避免内存限制。
或者，更简单但明显更慢，只需插入您现在将其分配给数组的行。
但这会给您的数据库带来可笑的负载，而且速度会非常慢。
如果 GZIP 流是瓶颈
正如我所料，这不是问题，但如果是这样，那么您可以使用 gzopen()
https://www.php.net/manual/en/function.gzopen.php
并将 gzopen 句柄嵌套为 fgetcsv 的句柄。
但是我希望您正在使用的流处理程序已经为您这样做了。
如果没有，我的意思是这样的:

$input = gzopen('input.csv.gz', 'r'); 


while (($row = fgetcsv($input)) !== false) {
 // do something memory safe, like suggested above
}

如果您无论如何都需要下载它，有很多方法可以做到，但请确保您使用内存安全的东西，例如 fopen/fgets 或 guzzle 流，并且不要尝试使用诸如 file_get_contents() 之类的东西将其加载到内存中