Chinaunix首页 | 论坛 | 博客
  • 博客访问: 364092
  • 博文数量: 87
  • 博客积分: 2571
  • 博客等级: 少校
  • 技术积分: 920
  • 用 户 组: 普通用户
  • 注册时间: 2009-12-29 13:10
文章分类

全部博文(87)

文章存档

2012年(49)

2011年(7)

2010年(26)

2009年(5)

分类: 数据库开发技术

2012-04-23 13:25:24

GridFS是一种将大型文件存储在MongoDB的文件规范:
  1. 数据库支持以BSON格式保存二进制对象。 但是MongoDB中BSON对象最大不能超过4MB。
  2. GridFS 规范提供了一种透明的机制,可以将一个大文件分割成为多个较小的文档。
  3. 为实现这点,该规范指定了一个将文件分块的标准。每个文件都将在文件集合对象中保存一个元数据对象,一个或多个块对象可被组合保存在一个块集合中。
  4. 文件如何被分块保存的细节可以参看GridFS Specification。

mongo自带有一个实现mongofliles,基本操作如下:
  1. 列出所有文件:
  2. mongofiles list
  3. 上传一个文件:
  4. mongofiles put xxx.txt
  5. 下载一个文件:
  6. mongofiles get xxx.txt
  7. 查找文件:
  8. mongofiles search xxx //会查找所有文件名中包含“xxx”的文件
  9. mongofiles list xxx //会查找所有文件名以“xxx”为前缀的文件
  10. 参数说明:
  11. –d 指定数据库 ,默认是fs,Mongofiles list –d testGridfs
  12. -u –p 指定用户名,密码
  13. -h 指定主机
  14. -port 指定主机端口
  15. -c 指定集合名,默认是fs
  16. -t 指定文件的MIME类型,默认会忽略

原理:
GridFS在数据库中,默认使用fs.chunks和fs.files来存储文件。
1.fs.files集合存放文件的信息;
2.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:
  1. {
  2. "_id" : ObjectId("4f4608844f9b855c6c35e298"), //唯一id,可以是用户自定义的类型
  3. "filename" : "CPU.txt", //文件名
  4. "length" : 778, //文件长度
  5. "chunkSize" : 262144, //chunk的大小
  6. "uploadDate" : ISODate("2012-02-23T09:36:04.593Z"), //上传时间
  7. "md5" : "e2c789b036cfb3b848ae39a24e795ca6", //文件的md5值
  8. "contentType" : "text/plain" //文件的MIME类型
  9. "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id
  3. "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;

写入:
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。
读取:
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。


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。




阅读(9085) | 评论(0) | 转发(0) |
0

上一篇:调试工具--valgrind

下一篇:[lxc]Cgroups概述

给主人留下些什么吧!~~