一句话说清楚：以前处理大文件、大数据，都得先把"一整桶水"倒进内存这个大缸里，等倒满了才能处理；而"流"（Stream）让数据像自来水一样，边流边处理，压根不用等整缸水都到齐。

打个比方：把这套东西想成小区自来水净化站

小区里的自来水，不是先把一个水库的水全部抽到你家，再让你慢慢处理，而是水源接了一根管子，中间串了好几道处理站——过滤站、消毒站、加压站，水一路流过去，边流边处理，最后从水龙头流出来就是能直接喝的水。

浏览器里的"流处理"就是这个思路：数据像水一样，从"进水口"流入，经过几道"处理站"（这就是 TransformStream），最后流到"出水口"（存文件、传网络、显示在页面上）。整个过程不需要先把全部数据攒在内存里，处理超大文件、实时数据的时候，内存不会被撑爆，用户也不用干等着"缓冲进度条"转半天。

带着这根"水管"的画面，我们把 6 个常见的流技术挨个讲清楚。

处理站本体：TransformStream 就是那道"过滤网"

javascript📋 复制
// 把 CSV 格式的水，净化成 JSON 格式的水
const csvToJson = new TransformStream({
  transform(chunk, controller) {
    try {
      const rows = chunk.split('\n');
      const json = rows.map(row => {
        const [name, age] = row.split(',');
        return { name, age: parseInt(age, 10) };
      });
      controller.enqueue(json); // 处理完一小段，立刻放行到下一站
    } catch (error) {
      controller.error(`CSV 解析失败：${error.message}`); // 这一小段水质有问题，报警
    }
  }
});

transform() 这个方法就是过滤网本身——水流过来一小段（一个 chunk），它就地处理一下，处理完立刻 enqueue 放行到下一道工序，不用等"一整桶水"都到齐才开始干活。

业务场景很实在：假设你要把一个几个 GB 的传感器日志文件，从 CSV 转成 JSON 存进数据库。要是老老实实"整桶端进来再处理"，浏览器内存分分钟爆掉；换成流处理，数据一边流一边转换，哪怕文件有 10 个 G，浏览器也不会卡死——原理就是自来水站从不会因为水库水多就把水管撑爆，因为水从来都是一小段一小段过去的。

接水管的第一步：Blob 直接变成一根"水管"

javascript📋 复制
document.querySelector('input[type=file]').addEventListener('change', async (e) => {
  const blobStream = e.target.files[0].stream(); // 文件秒变一根水管
  const processed = blobStream.pipeThrough(new VideoCompressor()); // 接上"压缩处理站"
  await processed.pipeTo(uploadToServer()); // 边压缩边传，不用等压完再传
});

以前处理用户上传的文件，习惯是"先把整个文件读进内存变成一大坨数据，再开始处理"——这就好比先把一整桶水倒进自己家水缸，再从缸里舀水处理，多此一举。

file.stream() 干的事，就是直接把这个文件"接成一根水管"，不用先倒进缸里。业务场景：用户上传一个几百 MB 的视频，你想边上传边压缩边转码，pipeThrough 就是往这根水管上串联处理站，pipeTo 就是接到最终出口（服务器），全程没有"先囤积、再处理"这一步，用户体验自然快很多。

水质检测站：文字编码解码流

javascript📋 复制
// 一个实时翻译流水线：原始二进制 → 西班牙语文字 → 翻译 → 英文文字 → 二进制存盘
fetch('/api/spanish-text')
  .then(response =>
    response.body
      .pipeThrough(new TextDecoderStream())  // 二进制水 → 文字水
      .pipeThrough(translateToEnglish)        // 翻译处理站（自定义的过滤网）
      .pipeThrough(new TextEncoderStream())   // 文字水 → 二进制水，方便存盘
      .pipeTo(saveFileStream)
  );

网络里传的数据本质上都是二进制"原水"，人看不懂。TextDecoderStream 就像水质检测站，自动把这些看不懂的原始信号翻译成人类能读的文字；处理完之后如果还要存盘或者再传输，TextEncoderStream 再把文字重新编码回二进制。

业务场景：做一个多语言客服系统，后端不断吐出西班牙语的对话记录，你要一边接收一边实时翻译成中文展示给客服人员看——用这套流水线，数据到一句、翻一句、显示一句，不用等整段对话说完才开始处理，用户体验就是"实时同传"的感觉。

浓缩站：CompressionStream 边流边挤水分

javascript📋 复制
const uploadCompressed = async (file) => {
  const readable = file.stream();
  const compressed = readable.pipeThrough(new CompressionStream('gzip')); // 边流边压缩
  await fetch('/upload', {
    method: 'POST',
    body: compressed,
    headers: { 'Content-Encoding': 'gzip' }
  });
};

把 CompressionStream 想成净水站里的"浓缩工序"——水还在管子里流着的时候，就顺手把多余的水分挤掉，体积变小了再往下游送，到了目的地再还原回来就行。

业务场景很直接：公司 APP 的安装包有 200MB，用户上传或者下发更新包的时候，边传边压缩，实测能把体积压掉 78%——这意味着服务器带宽成本直接砍掉大头，用户下载也更快。以前得先把文件整个压缩好、生成一个新文件，再上传，现在这两步在水管里一次性搞定。

双向水管带阀门：WebSocketStream

javascript📋 复制
const wss = new WebSocketStream('wss://stock-prices');
const { readable, writable } = await wss.connection;

// 只放行超过预警线的报价，别把界面刷爆
readable.pipeThrough(new TransformStream({
  transform(quote, controller) {
    if (quote.price > alertThreshold) controller.enqueue(quote);
  }
})).pipeTo(updateDashboard);

普通的 WebSocket 用起来，很容易出现"消息堆积"的问题——服务器狂推消息，前端处理不过来，全堆在内存里，界面越来越卡。WebSocketStream 相当于这根水管自带一个智能阀门：下游（界面渲染）处理不过来的时候，阀门会自动调小上游的流速，不会因为你家水龙头开得太小，把整根水管憋炸——这就是"背压"（backpressure）机制。

业务场景：做一个实时股票行情看板，服务器每秒推几十条报价，你只想展示"超过预警线"的那几条。用上面这段代码，处理站（TransformStream）先做一道筛选，只放行需要关注的数据，界面渲染压力小了很多。用完记得调用 releaseLock() 把水管松开，不然这根管子会一直占着资源不释放，时间长了就是内存泄漏。

接到硬件水龙头：SerialPort 流

javascript📋 复制
const port = await navigator.serial.requestPort(); // 找到那个硬件"水龙头"
await port.open({ baudRate: 9600 });

// 一滴一滴读传感器的数据
const reader = port.readable.getReader();
while (true) {
  const { value } = await reader.read();
  console.log('传感器读数：', value);
}

这是最容易被忽略的一种"水管"——它接的不是文件也不是网络请求，而是实打实的硬件设备，比如通过 USB 连着的 Arduino 传感器。浏览器直接向硬件"打开水龙头"，一滴一滴地把数据读出来。

业务场景：做智能硬件或者物联网相关的项目，比如一个温湿度监测面板，传感器每秒吐一条数据，中间数据难免有噪声干扰。这时候完全可以把 TransformStream 接到这根硬件水管上，边读边过滤掉异常值，展示给用户的永远是干净的数据。

一句话收尾

这 6 种"流"说到底都是同一个思路的不同应用场景：数据不是先囤积起来再处理，而是边流边处理，就像小区自来水从不会等水库存满才供水一样。以后再看到 pipeThrough pipeTo 这些方法，直接脑补成"往水管上再接一道处理站"，ReadableStream、WritableStream 这些概念立刻就不抽象了。