使用C#将非常大的项列表序列化到Azure blob存储中

2023年10月14日 218次阅读

我有一个很大的对象列表,我需要在以后存储和检索.该列表将始终用作单位,并且不会单独检索列表项.该列表包含大约7000个项目,总计大约1GB,但可以轻松升级到那个或更多的十倍.

我们一直在使用BinaryFormatter.Serialize()来进行序列化(System.Runtime.Serialization.Formatters.Binary.BinaryFormatter).然后,此字符串作为blob上载到Azure blob存储.我们发现它通常是快速和有效的,但它变得不充分,因为我们用更大的文件大小测试它,抛出OutOfMemoryException.根据我的理解,虽然我正在使用流,但我的问题是BinaryFormatter.Serialize()方法必须首先将所有内容序列化为内存,然后才能上传blob,从而导致异常.

二进制序列化程序如下所示：

public void Upload(object value, string blobName, bool replaceExisting)
{
    CloudBlockBlob blockBlob = BlobContainer.GetBlockBlobReference(blobName);
    var formatter = new BinaryFormatter()
    {
        AssemblyFormat = FormatterAssemblyStyle.Simple,
        FilterLevel = TypeFilterLevel.Low,
        TypeFormat = FormatterTypeStyle.TypesAlways
    };

    using (var stream = blockBlob.OpenWrite())
    {
        formatter.Serialize(stream, value);
    }
}

OutOfMemoryException发生在formatter.Serialize(stream,value)行上.

因此,我试图使用不同的协议,协议缓冲区.我尝试使用Nuget包protobuf-net和Google.Protobuf中的两种实现,但是序列化速度非常慢(大约30分钟),而且根据我的阅读,Protobuf没有针对大于1MB的序列化数据进行优化.所以,我回到绘图板,遇到了Cap’n Proto,它承诺通过使用内存映射来解决我的速度问题.我正在尝试使用@ marc-gravell的C#绑定,但是我在实现序列化程序时遇到了一些困难,因为该项目还没有完整的文档.此外,我不是100％确定Cap’n Proto是正确的协议选择 – 但我很难在网上找到任何其他建议.

如何将大量项目序列化为blob存储,而不会遇到内存问题,并且速度相当快？

最佳答案 也许你应该切换到JSON？

使用JSON Serializer,您可以流式传输文件并从文件串行化/反序列化(随着文件的读取).

你的对象会映射到JSON吗？

这是我用来获取NetworkStream并放入Json对象的方法.

    private static async Task<JObject> ProcessJsonResponse(HttpResponseMessage response)
    {
        // Open the stream the stream from the network
        using (var s = await ProcessResponseStream(response).ConfigureAwait(false))
        {
            using (var sr = new StreamReader(s))
            {
                using (var reader = new JsonTextReader(sr))
                {
                    var serializer = new JsonSerializer {DateParseHandling = DateParseHandling.None};

                    return serializer.Deserialize<JObject>(reader);
                }
            }
        }
    }

此外,您可以GZip流以减少文件传输时间.我们直接流式传输到GZipped JSON并再次返回.

编辑,虽然这是反序列化,但同样的方法应该适用于序列化

点赞