MongoDB 的 GridFS 詳細分析

openkk 14年前發布 | 157K 次閱讀 MongoDB NoSQL數據庫

GridFS簡介

GridFS是MongoDB中的一個內置功能，可以用于存放大量小文件。

http://www.mongodb.org/display/DOCS/GridFS

http://www.mongodb.org/display/DOCS/GridFS+Specification

GridFS使用

MongoDB提供了一個命令行工具mongofiles可以來處理GridFS，在bin目錄下。

列出所有文件：

mongofiles list

上傳一個文件：

mongofiles put xxx.txt

下載一個文件：

mongofiles get xxx.txt

查找文件：

mongofiles search xxx //會查找所有文件名中包含“xxx”的文件

mongofiles list xxx //會查找所有文件名以“xxx”為前綴的文件

參數說明：

–d 指定數據庫，默認是fs，Mongofiles list –d testGridfs

-u –p 指定用戶名，密碼

-h 指定主機

-port 指定主機端口

-c 指定集合名，默認是fs

-t 指定文件的MIME類型，默認會忽略

使用MongoVUE來查看，管理GridFS

MongoVUE地址：http://www.mongovue.com/

MongoVUE是個免費軟件，但超過15天后功能受限。可以通過刪除以下注冊表項來解除限制：

[HKEY_CURRENT_USER\Software\Classes\CLSID\{B1159E65-821C3-21C5-CE21-34A484D54444}\4FF78130]

把這個項下的值全刪掉就可以了。

用java驅動上傳下載文件：

下載地址：https://github.com/mongodb/mongo-java-driver/downloads

官方的文檔貌似不是最新的，不過通過查看api來使用也不困騅。

http://api.mongodb.org/java/2.7.2/

以下代碼基于mongo-2.7.3.jar

import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.net.UnknownHostException;
import java.security.NoSuchAlgorithmException;

import com.mongodb.BasicDBObject;
import com.mongodb.DB;
import com.mongodb.DBCollection;
import com.mongodb.DBObject;
import com.mongodb.Mongo;
import com.mongodb.MongoException;
import com.mongodb.gridfs.GridFS;
import com.mongodb.gridfs.GridFSDBFile;
import com.mongodb.gridfs.GridFSInputFile;

public class Test {
    Mongo connection;
    DB db;
    DBCollection collection;
    GridFS myFS;

    String mongoDBHost = "127.0.0.1";
    int mongoDBPort = 27017;
    String dbName = "testGridfs";
    String collectionName = "fs";

    public static void main(String[] args) throws MongoException, IOException, NoSuchAlgorithmException {
        Test t = new Test();

        String fileName = "F:/CPU.txt";
        String name = "CPU.txt";

        //把文件保存到gridfs中，并以文件的md5值為id
        t.save(new FileInputStream(fileName), name);

        //據文件名從gridfs中讀取到文件

        GridFSDBFile gridFSDBFile = t.getByFileName(name);
        if(gridFSDBFile != null){
            System.out.println("filename:" + gridFSDBFile.getFilename());
            System.out.println("md5:" + gridFSDBFile.getMD5());
            System.out.println("length:" + gridFSDBFile.getLength());
            System.out.println("uploadDate:" + gridFSDBFile.getUploadDate());

            System.out.println("--------------------------------------");
            gridFSDBFile.writeTo(System.out);
        }else{
            System.out.println("can not get file by name:" + name);
        }
    }

    public Test() throws UnknownHostException, MongoException, NoSuchAlgorithmException {
        _init();
    }


    public Test(String mongoDBHost, int mongoDBPort, String dbName,
            String collectionName) throws UnknownHostException, MongoException, NoSuchAlgorithmException {
        this.mongoDBHost = mongoDBHost;
        this.mongoDBPort = mongoDBPort;
        this.dbName = dbName;
        this.collectionName = collectionName;
        _init();
    }


    private void _init() throws UnknownHostException, MongoException, NoSuchAlgorithmException{
        connection = new Mongo(mongoDBHost, mongoDBPort);
        db = connection.getDB(dbName);
        collection = db.getCollection(collectionName);
        myFS = new GridFS(db);
    }

    /**
     * 用給出的id，保存文件，透明處理已存在的情況
     * id 可以是string，long，int，org.bson.types.ObjectId 類型
     * @param in
     * @param id
     */
    public void save(InputStream in, Object id){
        DBObject query  = new BasicDBObject("_id", id);
        GridFSDBFile gridFSDBFile = myFS.findOne(query);

        if(gridFSDBFile != null)
            return;

        GridFSInputFile gridFSInputFile = myFS.createFile(in);
        gridFSInputFile.save();
        return;
    }

    /**
     * 據id返回文件
     * @param id
     * @return
     */
    public GridFSDBFile getById(Object id){
        DBObject query  = new BasicDBObject("_id", id);
        GridFSDBFile gridFSDBFile = myFS.findOne(query);
        return gridFSDBFile;
    }

    /**
     * 據文件名返回文件，只返回第一個
     * @param fileName
     * @return
     */
    public GridFSDBFile getByFileName(String fileName){
        DBObject query  = new BasicDBObject("filename", fileName);
        GridFSDBFile gridFSDBFile = myFS.findOne(query);
        return gridFSDBFile;
    }
}

nginx-gridfs模塊的安裝使用

項目主頁：https://github.com/mdirolf/nginx-gridfs

通過nginx-gridfs，可以直接用http來訪問GridFS中的文件。

1. 安裝

安裝各種依賴包：zlib，pcre，openssl

在ubuntu下可能是以下命令：

sudo apt-get install zlib1g-dev //貌似sudo apt-get install zlib-dev 不能安裝

sudo apt-get install libpcre3 libpcre3-dev

sudo apt-get install openssl libssl-dev

安裝git（略）

用git下載nginx-gridfs的代碼：

git clone git://github.com/mdirolf/nginx-gridfs.git

cd nginx-gridfs

git submodule init

git submodule update

下載nginx：

wget http://nginx.org/download/nginx-1.0.12.zip

tar zxvf nginx-1.0.12.zip

cd nginx-1.0.12

./configure --add-module=<nginx-gridfs的路徑>

make

sudo make install

如果編譯出錯，則在configure時加上--with-cc-opt=-Wno-error 參數。

2. 配置nginx

在server的配置中加上以下

location /pics/ {

gridfs pics

field=filename

type=string;

mongo 127.0.0.1:27017;

}

上面的配置表示：

數據庫是pics，通過文件名filename來訪問文件，filename的類型是string

目前只支持通過id和filename來訪問文件。

啟動nginx：/usr/local/nginx/sbin/nginx

用MongoVUE把一個圖片001.jpg上傳到pics數據庫中。

打開：http://localhost/pics/001.jpg

如果成功，則可以看到顯示圖片了。

3. nginx-gridfs的不足

沒有實現http的range support，也就是斷點續傳，分片下載的功能。

GridFS實現原理

GridFS在數據庫中，默認使用fs.chunks和fs.files來存儲文件。

其中fs.files集合存放文件的信息，fs.chunks存放文件數據。

一個fs.files集合中的一條記錄內容如下，即一個file的信息如下：

{ 
"_id" : ObjectId("4f4608844f9b855c6c35e298"),       //唯一id，可以是用戶自定義的類型
"filename" : "CPU.txt",      //文件名
"length" : 778,      //文件長度
"chunkSize" : 262144,    //chunk的大小
"uploadDate" : ISODate("2012-02-23T09:36:04.593Z"), //上傳時間
"md5" : "e2c789b036cfb3b848ae39a24e795ca6",      //文件的md5值
"contentType" : "text/plain"     //文件的MIME類型
"meta" : null    //文件的其它信息，默認是沒有”meta”這個key，用戶可以自己定義為任意BSON對象
}

對應的fs.chunks中的chunk如下：

{ 
"_id" : ObjectId("4f4608844f9b855c6c35e299"),    //chunk的id
"files_id" : ObjectId("4f4608844f9b855c6c35e298"),  //文件的id，對應fs.files中的對象，相當于fs.files集合的外鍵
"n" : 0,     //文件的第幾個chunk塊，如果文件大于chunksize的話，會被分割成多個chunk塊
"data" : BinData(0,"QGV...")     //文件的二進制數據，這里省略了具體內容
}

默認chunk的大小是256K。

public static final int DEFAULT_CHUNKSIZE = 256 * 1024;

所以在把文件存入到GridFS過程中，如果文件大于chunksize，則把文件分割成多個chunk，再把這些chunk保存到fs.chunks中，最后再把文件信息存入到fs.files中。

在讀取文件的時候，先據查詢的條件，在fs.files中找到一個合適的記錄，得到“_id”的值，再據這個值到fs.chunks中查找所有“files_id”為“_id”的chunk，并按“n”排序，最后依次讀取chunk中“data”對象的內容，還原成原來的文件。

自定義Gridfs的hash函數

盡管從理論上，無論用什么hash函數，都有可能出現hash值相同，但內容不相同的文件，但是對于GridFS默認使用的md5算法，目前已出現長度和md5值都相同但內容不一樣的文件。

如果想要自已改用其它hash算法，可以從驅動入手。因為GridFS在MongoDB中實際也只是兩個普通的集合，所以完全可以自已修改驅動，替換下hash算法即可。

目前java版的驅動比較簡單，可以很容易修改實現。

但是要注意，這樣不符合GridFS的規范了。

注意事項

1. GridFS不自動處理md5相同的文件，對于md5相同的文件，如果想在GridFS中只有一個存儲，要用戶自已處理。Md5值的計算由客戶端完成。

2. 因為GridFS在上傳文件過程中是先把文件數據保存到fs.chunks，最后再把文件信息保存到fs.files中，所以如果在上傳文件過程中失敗，有可能在fs.chunks中出現垃圾數據。這些垃圾數據可以定期清理掉。

本文由用戶 openkk 自行上傳分享，僅供網友學習交流。所有權歸原作者，若您的權利被侵害，請聯系管理員。

轉載本站原創文章，請注明出處，并保留原始鏈接、圖片水印。

本站是一個以用戶分享為主的開源技術平臺，歡迎各類分享！

本文地址：http://www.baiduhome.net/lib/view/open1330171884015.html

MongoDB NoSQL數據庫