MongoDB 的 GridFS 详细分析
来源：互联网 发布：玻璃erp软件 编辑：程序博客网 时间：2024/05/21 06:39
GridFS简介
GridFS是MongoDB中的一个内置功能，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提供了一个命令行工具mongofiles可以来处理GridFS，在bin目录下。
列出所有文件：
mongofiles list
上传一个文件：
mongofiles put xxx.txt
下载一个文件：
mongofiles get xxx.txt
查找文件：
mongofiles search xxx //会查找所有文件名中包含“xxx”的文件
mongofiles list xxx //会查找所有文件名以“xxx”为前缀的文件
参数说明：
–d 指定数据库 ，默认是fs，Mongofiles list –d testGridfs
-u –p 指定用户名，密码
-h 指定主机
-port 指定主机端口
-c 指定集合名，默认是fs
-t 指定文件的MIME类型，默认会忽略
使用MongoVUE来查看，管理GridFS
MongoVUE地址：http://www.mongovue.com/
MongoVUE是个免费软件，但超过15天后功能受限。可以通过删除以下注册表项来解除限制：
[HKEY_CURRENT_USER\Software\Classes\CLSID\{B1159E65-821C3-21C5-CE21-34A484D54444}\4FF78130]
把这个项下的值全删掉就可以了。
用java驱动上传下载文件：
下载地址：https://github.com/mongodb/mongo-java-driver/downloads
官方的文档貌似不是最新的，不过通过查看api来使用也不困骓。
http://api.mongodb.org/java/2.7.2/
以下代码基于mongo-2.7.3.jar
001import java.io.FileInputStream;002import java.io.IOException;003import java.io.InputStream;004import java.net.UnknownHostException;005import java.security.NoSuchAlgorithmException;006 007import com.mongodb.BasicDBObject;008import com.mongodb.DB;009import com.mongodb.DBCollection;010import com.mongodb.DBObject;011import com.mongodb.Mongo;012import com.mongodb.MongoException;013import com.mongodb.gridfs.GridFS;014import com.mongodb.gridfs.GridFSDBFile;015import com.mongodb.gridfs.GridFSInputFile;016 017public class Test {018 Mongo connection;019 DB db;020 DBCollection collection;021 GridFS myFS;022 023 String mongoDBHost = "127.0.0.1";024 int mongoDBPort = 27017;025 String dbName = "testGridfs";026 String collectionName = "fs";027 028 public static void main(String[] args) throws MongoException, IOException, NoSuchAlgorithmException {029 Test t = new Test();030 031 String fileName = "F:/CPU.txt";032 String name = "CPU.txt";033 034 //把文件保存到gridfs中，并以文件的md5值为id035 t.save(new FileInputStream(fileName), name);036 037 //据文件名从gridfs中读取到文件038 039 GridFSDBFile gridFSDBFile = t.getByFileName(name);040 if(gridFSDBFile != null){041 System.out.println("filename:" + gridFSDBFile.getFilename());042 System.out.println("md5:" + gridFSDBFile.getMD5());043 System.out.println("length:" + gridFSDBFile.getLength());044 System.out.println("uploadDate:" + gridFSDBFile.getUploadDate());045 046 System.out.println("--------------------------------------");047 gridFSDBFile.writeTo(System.out);048 }else{049 System.out.println("can not get file by name:" + name);050 }051 }052 053 public Test() throws UnknownHostException, MongoException, NoSuchAlgorithmException {054 _init();055 }056 057 058 public Test(String mongoDBHost, int mongoDBPort, String dbName,059 String collectionName) throws UnknownHostException, MongoException, NoSuchAlgorithmException {060 this.mongoDBHost = mongoDBHost;061 this.mongoDBPort = mongoDBPort;062 this.dbName = dbName;063 this.collectionName = collectionName;064 _init();065 }066 067 068 private void _init() throws UnknownHostException, MongoException, NoSuchAlgorithmException{069 connection = new Mongo(mongoDBHost, mongoDBPort);070 db = connection.getDB(dbName);071 collection = db.getCollection(collectionName);072 myFS = new GridFS(db);073 }074 075 /**076 * 用给出的id，保存文件，透明处理已存在的情况077 * id 可以是string，long，int，org.bson.types.ObjectId 类型078 * @param in079 * @param id080 */081 public void save(InputStream in, Object id){082 DBObject query = new BasicDBObject("_id", id);083 GridFSDBFile gridFSDBFile = myFS.findOne(query);084 085 if(gridFSDBFile != null)086 return;087 088 GridFSInputFile gridFSInputFile = myFS.createFile(in);089 gridFSInputFile.save();090 return;091 }092 093 /**094 * 据id返回文件095 * @param id096 * @return097 */098 public GridFSDBFile getById(Object id){099 DBObject query = new BasicDBObject("_id", id);100 GridFSDBFile gridFSDBFile = myFS.findOne(query);101 return gridFSDBFile;102 }103 104 /**105 * 据文件名返回文件，只返回第一个106 * @param fileName107 * @return108 */109 public GridFSDBFile getByFileName(String fileName){110 DBObject query = new BasicDBObject("filename", fileName);111 GridFSDBFile gridFSDBFile = myFS.findOne(query);112 return gridFSDBFile;113 }114}nginx-gridfs模块的安装使用
项目主页：https://github.com/mdirolf/nginx-gridfs
通过nginx-gridfs，可以直接用http来访问GridFS中的文件。
1. 安装
安装各种依赖包：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 不能安装
sudo apt-get install libpcre3 libpcre3-dev
sudo apt-get install openssl libssl-dev
安装git（略）
用git下载nginx-gridfs的代码：
git clone git://github.com/mdirolf/nginx-gridfs.git
cd nginx-gridfs
git submodule init
git submodule update
下载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的路径>
make
sudo make install
如果编译出错，则在configure时加上--with-cc-opt=-Wno-error 参数。
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：
数据库是pics，通过文件名filename来访问文件，filename的类型是string
目前只支持通过id和filename来访问文件。
启动nginx：/usr/local/nginx/sbin/nginx
用MongoVUE把一个图片001.jpg上传到pics数据库中。
打开：http://localhost/pics/001.jpg
如果成功，则可以看到显示图片了。
3. nginx-gridfs的不足
没有实现http的range support，也就是断点续传，分片下载的功能。
GridFS实现原理
GridFS在数据库中，默认使用fs.chunks和fs.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：
01{02"_id" : ObjectId("4f4608844f9b855c6c35e298"), //唯一id，可以是用户自定义的类型03"filename" : "CPU.txt", //文件名04"length" : 778, //文件长度05"chunkSize" : 262144, //chunk的大小06"uploadDate" : ISODate("2012-02-23T09:36:04.593Z"), //上传时间07"md5" : "e2c789b036cfb3b848ae39a24e795ca6", //文件的md5值08"contentType" : "text/plain" //文件的MIME类型09"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10}对应的fs.chunks中的chunk如下：
1{2"_id" : ObjectId("4f4608844f9b855c6c35e299"), //chunk的id3"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4"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5"data" : BinData(0,"QGV...") //文件的二进制数据，这里省略了具体内容6}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Gridfs的hash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GridFS在MongoDB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。
- MongoDB 的 GridFS 详细分析
- MongoDB 的 GridFS 详细分析
- MongoDB 的 GridFS 详细分析
- MongoDB 的 GridFS 详细分析
- MongoDB 的 GridFS 详细分析
- MongoDB 的 GridFS 详细分析
- MongoDB 的 GridFS 详细分析
- MongoDB 的 GridFS 详细分析
- mongoDB GridFS详细分析
- MongoDB 的 GridFS 详细分析转载
- mongodb gridfs分析
- GridFS详细分析
- GridFS详细分析
- GridFS详细分析
- GridFS详细分析
- thinkphp支持mongodb的GridFS
- MongoDB---GridFS
- MongoDB GridFS
- 第二章 Linux的档案属性和目录配置
- java 引用类型整理
- wince 学习笔记2
- 细谈MySQL配置的优化
- iTextSharp 使用详解
- MongoDB 的 GridFS 详细分析
- 第一辑 回家的路--谁是聪明人
- 利用axis来生成webservice客户端
- C#调用动态链接库
- VC2010 MFC程序中自动加入版本号
- Windos7下VirtualBox的几项误操作恢复
- 更改语系为JAPAN
- 自定义ProgressBar（背景，前景，进度图片）
- cin、cin.get()、cin.getline()、getline()、gets()等函数的用法
