GridFS实现原理

2015/04/29 00:44
阅读数 94

参考文章:http://www.open-open.com/lib/view/open1330171884015.html


GridFS实现原理

GridFS在数据库中,默认使用fs.chunksfs.files来存储文件。

其中fs.files集合存放文件的信息,fs.chunks存放文件数据。

一个fs.files集合中的一条记录内容如下,即一个file的信息如下:

?
{
"_id": ObjectId("4f4608844f9b855c6c35e298"),       //唯一id,可以是用户自定义的类型
"filename": "CPU.txt",      //文件名
"length": 778,      //文件长度
"chunkSize": 262144,    //chunk的大小
"uploadDate": ISODate("2012-02-23T09:36:04.593Z"), //上传时间
"md5": "e2c789b036cfb3b848ae39a24e795ca6",      //文件的md5值
"contentType": "text/plain"    //文件的MIME类型
"meta": null   //文件的其它信息,默认是没有”meta”这个key,用户可以自己定义为任意BSON对象
}


对应的fs.chunks中的chunk如下:

?
{
"_id": ObjectId("4f4608844f9b855c6c35e299"),    //chunk的id
"files_id": ObjectId("4f4608844f9b855c6c35e298"),  //文件的id,对应fs.files中的对象,相当于fs.files集合的外键
"n": 0,     //文件的第几个chunk块,如果文件大于chunksize的话,会被分割成多个chunk块
"data": BinData(0,"QGV...")     //文件的二进制数据,这里省略了具体内容
}


默认chunk的大小是256K

public static final int DEFAULT_CHUNKSIZE = 256 * 1024;

所以在把文件存入到GridFS过程中,如果文件大于chunksize,则把文件分割成多个chunk,再把这些chunk保存到fs.chunks中,最后再把文件信息存入到fs.files中。

在读取文件的时候,先据查询的条件,在fs.files中找到一个合适的记录,得到“_id”的值,再据这个值到fs.chunks中查找所有“files_id”为“_id”的chunk,并按“n”排序,最后依次读取chunk中“data”对象的内容,还原成原来的文件。

自定义Gridfshash函数

尽管从理论上,无论用什么hash函数,都有可能出现hash值相同,但内容不相同的文件,但是对于GridFS默认使用的md5算法,目前已出现长度和md5值都相同但内容不一样的文件。

如果想要自已改用其它hash算法,可以从驱动入手。因为GridFSMongoDB中实际也只是两个普通的集合,所以完全可以自已修改驱动,替换下hash算法即可。

目前java版的驱动比较简单,可以很容易修改实现。

但是要注意,这样不符合GridFS的规范了。

注意事项

1. GridFS不自动处理md5相同的文件,对于md5相同的文件,如果想在GridFS中只有一个存储,要用户自已处理。Md5值的计算由客户端完成。

2. 因为GridFS在上传文件过程中是先把文件数据保存到fs.chunks,最后再把文件信息保存到fs.files中,所以如果在上传文件过程中失败,有可能在fs.chunks中出现垃圾数据。这些垃圾数据可以定期清理掉。


展开阅读全文
打赏
0
1 收藏
分享
加载中
更多评论
打赏
0 评论
1 收藏
0
分享
返回顶部
顶部