Mongodb的文件管理

MongoDB数据文件

 
在MongoDB的数据文件夹中（默认路径是/data/db）由构成数据库的所有文件。每一个数据库都包含一个.ns文件和一些数据文件，其中数据文件会随着数据量的增加而变多。所以如果有一个数据库名字叫做foo，那么构成foo这个数据库的文件就会由foo.ns，foo.0，foo.1，foo.2等等组成。

数据文件每新增一次，大小都会是上一个数据文件的2倍，每个数据文件最大2G。这样的设计有利于防止数据量较小的数据库浪费过多的空间，同时又能保证数据量较大的数据库有相应的空间使用。

MongoDB会使用预分配方式来保证写入性能的稳定（这种方式可以使用–noprealloc关闭）。预分配在后台进行，并且每个预分配的文件都用0进行填充。这会让MongoDB始终保持额外的空间和空余的数据文件，从而避免了数据增长过快而带来的分配磁盘空间引起的阻塞。

名字空间和盘区

每一个数据库都由多个名字空间组成，每一个名字空间存储了相应类型的数据。数据库中的每一个Collection都有各自对应的名字空间，索引文件同样也有名字空间。所有名字空间的元数据都存储在.ns文件中。

名字空间中的数据在磁盘中分为多个区间，这个叫做盘区。

MongoDB GridFS

    GridFS是基于mongodb存储引擎是实现的“分布式文件系统”，底层基于mongodb存储机制，和其他本地文件系统相比，它具备大数据存储的多个优点。GridFS适合存储超过16MB的大型文件，不过16M数据在当今互联网时代，已经不足为奇。我们可以使用GridFS构建大规模的“图片服务器”、“文档服务器”、“视频、音频”文件服务器，GridFS对于web应用，可以结合nginx插件“ningx-gridfs”能够简单的实现负载均衡等特性，非常便捷；可以简单认为GridFS是为web应用而生。个人认为，目前架构比较简单的NoSQL文件系统中GridFS是最优秀的。

 

    GridFS并不是将单个文件直接存储为一个document，而是将文件分成多个parts或者说chunks，然后将每个chunk作为作为一个单独的document存储，然后将chunks有序保存。默认情况下，GridFS的chunk大小位255k。GridFS使用2个collections来存储这些文件，一个collection存储文件的chunks（实际文件数据），另一个则存储文件的metadata（用户自定义的属性，filename，content-type等）。

 

    当用户查询GridFS中的文件时，客户端或者driver将会重新按序组装这些chunks。用户可以range查询文件，也可以获取文件的任意部分的信息，比如：跳过（skip）视频或者音频（任何文件）的中间部，实现“range access of single file”。

 

    对于mongodb而言，每个document最大尺寸为16M，如果想存储一条数据（比如一个文件）超过16M，那么只能使用GridFS支持；GridFS可以支持单个文件尺寸达到数G，读取文件时可以分段读取。此外，GridFS可以从Mongodb的高性能、高可用特性中获益，比如我们可以在“replica set”或者“sharding”架构模式下使用GridFS。

GridFS 用于存储和恢复那些超过16M（BSON文件限制）的文件(如：图片、音频、视频等)。

GridFS 也是文件存储的一种方式，但是它是存储在MonoDB的集合中。

GridFS 可以更好的存储大于16M的文件。

GridFS 会将大文件对象分割成多个小的chunk(文件片段),一般为256k/个,每个chunk将作为MongoDB的一个文档(document)被存储在chunks集合中。

GridFS 用两个集合来存储一个文件：fs.files与fs.chunks。

每个文件的实际内容被存在chunks(二进制数据)中,和文件有关的meta数据(filename,content_type,还有用户自定义的属性)将会被存在files集合中。

三、GridFS内部存储结构简析（JAVA代码示例）

    比如我们创建了一个GridFS数据库，可以可以通过mongo shell指令看到：

Java代码  

1. > ./mongo --host 127.0.0.1 --port 27017  
2. > use common-fs  
3. > show collections;  
4. fs.chunks  
5. fs.files  
6. system.indexes  

 

    我们可以看到“common-fs”数据库下有2个collection：“fs.chunks”和“fs.files”；其中前缀“fs”为bucket名称。

    1）fs.chunks：存储二进制数据，如上文所述，保存在GridFS中的每个文件都会根据“chunkSize”拆分成多个chunks并依次保存在“fs.chunks”中，每个chunk都持有“files_id”即为“文件id”，“n”为chunk的序列；比如一个文件被拆分成3个chunks，那么“fs.chunks”中将会有3个document，它们持有相同的files_id，“n”分别为0、1、2。

Java代码  

1. {  
2.   "_id" : <ObjectId>, //chunk ID，全局唯一  
3.   "files_id" : <ObjectId>,    //file collection表的"_id"值  
4.   "n" : <num>,    //chunk的序列号，第一个chunk位0。  
5.   "data" : <binary>   //二进制数据  
6. }  

Java代码  

1. > db.fs.chunks.getIndexes();  
2. [  
3. ...  
4.     {  
5.         "v" : 1,  
6.         "unique" : true,  
7.         "key" : {  
8.             "files_id" : 1,  
9.             "n" : 1  
10.         },  
11.         "name" : "files_id_1_n_1",  
12.         "ns" : "common-fs.fs.chunks"  
13.     }  
14. ]  

    chunks默认情况下已经对“files_id”和“n”建立了唯一索引。

 

    2）fs.files：存储文件的metadata，GridFS每保存一个文件，都会在此collection中插入一条document，结构如下所示。其中“metadata”字段用于保存用户自定义的K-V数据（比如保存文件的format），其他字段是GridFS内置的，开发者不能修改（除file_name外），每个文档都有一个md5字段，所以开发者不需要自己再去计算md5值。其中filename为开发者指定的“文件名称”。

Java代码  

1. {  
2.   "_id" : <ObjectId>, //  
3.   "length" : <num>,   //文件的长度  
4.   "chunkSize" : <num>,    //chunkSize  
5.   "uploadDate" : <timestamp>, //文件生成的时间戳  
6.   "md5" : <hash>, //HASH值  
7.   
8.   "filename" : <string>,  //文件名，用户指定  
9.   "contentType" : <string>,   //  
10.   "aliases" : <string array>, //别名  
11.   "metadata" : <dataObject>,  //用户自定的metadata  
12. }  

Java代码  

1. > db.fs.files.getIndexes();  
2. [  
3. ...  
4.     {  
5.         "v" : 1,  
6.         "key" : {  
7.             "filename" : 1,  
8.             "uploadDate" : 1  
9.         },  
10.         "name" : "filename_1_uploadDate_1",  
11.         "ns" : "common-fs.fs.files"  
12.     }  
13. ]  

    其中“filename”和“updateDate”默认已经建立了组合索引，但不是unique，所以GridFS中filename是可以重复的；建议使用_id来获取文档，比如如果你使用GridFS构建一个图片服务器，可以使用_id的值作为图片的名称。

    其中有一个比较重要的参数“chunkSize”，这个值默认为“261120”（即255k），对于web应用此值基本不需要调整；如果你的应用是文件的“上传”、“下载”等，可以考虑将此值扩大，比如64M等。还有一种特例，比如你的文件通常较小，比如只有1M左右，而且通常不会涉及到“range access”，那么可以将每个file的chunkSize设置为文档的大小，这样可以在存储时只有一个chunk。

    客户端查询文件时首先会查询“fs.files”获取metadata并获得files_id值（即_id）,然后再根据files_id查询“fs.chunks”获取chunks列表（根据n排序），当客户端需要读取某个chunk数据时才会触发实际数据传输。

 

四、Sharding架构

    随着GridFS中文件数量的增加，最终有可能存储空间会达到单机磁盘上限，或者由于Read操作较多单机无法承载压力，此时就需要考虑分布式部署；解决此文件的方案为sharding，即将GridFS的数据分布存储在多个mongod节点中。

    sharding基本原理和mongodb一样，此处不再赘言；因为一个GridFS数据库，由“fs.files”和“fs.chunks”两个collections构成，一个文件将不同的信息保存在两个collections中，那么究竟该如何设计sharding呢？首先表明无论两个collection同时sharding还是只有其中一个sharding，都不需要客户端修改代码，也不会影响数据访问，因为无论是“通过filename查询fs.files”还是“通过files_id查询fs.chunks”中间都会经过mongos实例路由。

    因为fs.files文件中只保存metadata，通常都比较小，因此在可以不sharding。如果sharding，则根据应用需要选择合适的“shard key”，比如你通常使用_id来查询文件，那么可以将_id作为“shard key”的一部分（比如shard key为{_id : 1,filename:1}）,如果你的应用通常使用filename查询文件，那么可以将filename作为shard key（或者前缀）；我们最终的目的，就是确保查询方式与数据sharding保持一致，提供高效的查询，同时还需要尽可能保证数据的均匀分布。

    对于fs.chunks文件，这个是优先被sharding的，因为它的数据量通常为fs.files的数倍；不过这个collection的shard key只能为{"files_id" : 1, n : 1}，因为这个collection只有这种查询方式，且只有这样才会保证同一个file_id的多个chunk尽可能的保存在同一个shard-chunk中。