前言
现在越来越多的应用开始有上传大文件的需求,以及秒传,续传功能。由于最近学习大文件分隔上传,以及秒传的实现,给予分享的这种精神,我想将自己的学习过程,以及遇到的问题做一个总结,希望对有这方面需求的小伙伴有一定的帮助。
源码传送门
分析
说到大文件上传,我们可能首先会想的一些网盘App,这些优秀的网盘除了上传大文件外,还可以实现秒传以及断点续传功能。说起断点续传也就明白了文章题目所说的大文件分片,由于网络的原因,一个大文件例如一百兆的文件,很有可能中途上传到一半或者50MB,或者上传到99MB时候失败了,如果下次再上传时还从头开始上传,这个体验很少人能接受的,如果你要真做成这样的话,那么客户一定会严重流失,所以我们需要对其分片或者说下次上传时从失败的地方开始上传。相信使用网盘较多的朋友都知道有一个很6的功能就是秒传,可能你很难相信为何我几百兆甚至几个G的文件,为何几秒内就上传成功了,为何这么神奇,其实原理也很简单,就是我们每次上传文件时每一个文件都会有一个独一无二的特征值,当我们上传文件时,他首先会检测服务器是否有该特征值的文件,,如果有的话,就不需要占用网络带宽,直接复制一份到你的网盘。今天分享的这篇文章便是为秒传打下坚实基础的,获取大文件的特征值-MD5.
MD5消息摘要算法(英语:MD5 Message-Digest Algorithm),一种被广泛使用的密码散列函数,可以产生出一个128位(16字节)的散列值(hash value),用于确保信息传输完整一致。MD5由罗纳德·李维斯特设计,于1992年公开,用以替换MD4算法
MessageDigest
在java.security这个包下有一个类MessageDigest ,通过名字我们就知道是消息摘要的意思,那么本篇文章也是有MessageDigest 这个类展开讨论。
//方法1:返回MessageDigest实例 algorithm算法名称
public static MessageDigest getInstance(String algorithm)
throws NoSuchAlgorithmException {}
//方法2:更新计算消息摘要的数据内容
public void update(byte[] input) {}
//方法3:计算消息摘要并重置
public byte[] digest(){}
对于计算文件的MD5,我们主要用的上面的几个方法。方法1主要是进行初始化操作,需要指定算法,方法2是进行消息摘要内容的更新。而方法3就是最重要的一步,计算消息摘要的值并返回。
读取文件
对于文件的读取有很多种方式,例如通过FileInputStream读取字节流,也可以包装成InputStreamReader读取字节流,也可以包装成BufferedInputStream进行带缓冲区的读取,以及RandomAccessFile或者nio 包中FileChannel加内存映射的方式。当然各种方式的性能不言而喻(对流不熟悉的自行补脑)。
具体实现
FileInputStream字节流方式
/**
* 获取文件的MD5值
*
* @param file 文件路径
* @return md5
*/
public static String getFileMd5(File file) {
MessageDigest messageDigest;
//MappedByteBuffer byteBuffer = null;
FileInputStream fis = null;
try {
messageDigest = MessageDigest.getInstance("MD5");
if (file == null) {
return "";
}
if (!file.exists()) {
return "";
}
int len = 0;
fis = new FileInputStream(file);
//普通流读取方式
byte[] buffer = new byte[1024 * 1024 * 10];
while ((len = fis.read(buffer)) > 0) {
//该对象通过使用 update()方法处理数据
messageDigest.update(buffer, 0, len);
}
BigInteger bigInt = new BigInteger(1, messageDigest.digest());
String md5 = bigInt.toString(16);
while (md5.length() < 32) {
md5 = "0" + md5;
}
return md5;
} catch (NoSuchAlgorithmException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (FileNotFoundException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} finally {
try {
if (fis != null) {
fis.close();
fis = null;
}
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
return "";
}
FileChannel +MappedByteBuffer 方式
/**
* FileChannel 获取文件的MD5值
*
* @param file 文件路径
* @return md5
*/
public static String getFileMd52(File file) {
MessageDigest messageDigest;
FileInputStream fis = null;
FileChannel ch=null;
try {
messageDigest = MessageDigest.getInstance("MD5");
if (file == null) {
return "";
}
if (!file.exists()) {
return "";
}
fis = new FileInputStream(file);
ch = fis.getChannel();
int size = 1024 * 1024 * 10;
long part = file.length() / size + (file.length() % size > 0 ? 1 : 0);
System.err.println("文件分片数" + part);
for (int j = 0; j < part; j++) {
MappedByteBuffer byteBuffer = ch.map(FileChannel.MapMode.READ_ONLY, j * size, j == part - 1 ? file.length() : (j + 1) * size);
messageDigest.update(byteBuffer);
byteBuffer.clear();
}
BigInteger bigInt = new BigInteger(1, messageDigest.digest());
String md5 = bigInt.toString(16);
while (md5.length() < 32) {
md5 = "0" + md5;
}
return md5;
} catch (NoSuchAlgorithmException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (FileNotFoundException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} finally {
try {
if (fis != null) {
fis.close();
fis = null;
}
if (ch!=null){
ch.close();
ch=null;
}
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
return "";
}
RandomAccessFile 方式
/**
* RandomAccessFile 获取文件的MD5值
*
* @param file 文件路径
* @return md5
*/
public static String getFileMd53(File file) {
MessageDigest messageDigest;
RandomAccessFile randomAccessFile = null;
try {
messageDigest = MessageDigest.getInstance("MD5");
if (file == null) {
return "";
}
if (!file.exists()) {
return "";
}
randomAccessFile=new RandomAccessFile(file,"r");
byte[] bytes=new byte[1024*1024*10];
int len=0;
while ((len=randomAccessFile.read(bytes))!=-1){
messageDigest.update(bytes,0, len);
}
BigInteger bigInt = new BigInteger(1, messageDigest.digest());
String md5 = bigInt.toString(16);
while (md5.length() < 32) {
md5 = "0" + md5;
}
return md5;
} catch (NoSuchAlgorithmException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (FileNotFoundException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} finally {
try {
if (randomAccessFile != null) {
randomAccessFile.close();
randomAccessFile = null;
}
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
return "";
}
性能对比
我们选了一个小的文件,大概1M左右,观察执行时间
11-09 11:49:20.210 12678-12678/com.example.xh I/System.out: FileInputStream执行时间:179
11-09 11:49:20.266 12678-12678/com.example.xh I/System.out: FileChannel执行时间:55
11-09 11:49:20.322 12678-12678/com.example.xh I/System.out: RandomAccessFile执行时间:58
但是我选择大概10M的文件FileChannel+MappedByteBuffer性能并不明显,最后通过查询资料学习发现MappedByteBuffer这个东西很可怕,这个回收是不确定的,在手机上测试FileChannel效率并不是最好的。如果要计算一个几百兆的大文件,发现FileChannel+MappedByteBuffer还很容易OOM,原因就是MappedByteBuffer内存占用、文件关闭不确定,被其打开的文件只有在垃圾回收的才会被关闭,而且这个时间点是不确定的。当文件达到100M时就出现OOM如下
FATAL EXCEPTION: main
java.lang.OutOfMemoryError
at java.security.MessageDigestSpi.engineUpdate(MessageDigestSpi.java:85)
at java.security.MessageDigest.update(MessageDigest.java:369)
所以在Android设备上尽量不要使用nio中的内存映射。在官方文档中有这样的一句话:A mapped byte buffer and the file mapping that it represents remain valid until the buffer itself is garbage-collected.
那么我们来计算一个大文件的MD5,此时我测试的文件是300多兆
11-09 16:06:49.930 3101-3101/com.example.xh I/System.out: FileInputStream执行时间:4219
11-09 16:06:54.490 3101-3101/com.example.xh I/System.out: RandomAccessFile执行时间:2162
通过日志发现RandomAccessFile的效率还是很明显的,此时使用FileChannel+MappedByteBuffer就OOM了,虽然使用了分段映射 也调用了MappedByteBuffer的clear()方法。当然通过日志你肯定明白计算文件MD5值是一个比较耗时的操作,不要再主线程中计算。
计算MD5
我们需要注意对于较大的文件计算MD5,我们不要一次将文件读取然后调用update方法。不然执行update方法时就会出现OOM。我们可以分段读取多次调用update方法,如下
while ((len = fis.read(buffer)) > 0) {
//该对象通过使用 update()方法处理数据
messageDigest.update(buffer, 0, len);
}
你要明白调用执行update并没有计算MD5的值,真正计算的MD5值是调用digest(),该方法返回的是一个byte数组
byte[] bytes = messageDigest.digest();
通常我们一般将MD5用16进制也就是32位表示,所以我们可以将byte数组转化为16进制,此时我们可以使用BigInteger类,他的构造方法可以接收byte数组参数,如下,1表示符号为正数。
BigInteger bigInt = new BigInteger(1, bytes );
BigInteger这个类还提供了一个toString方法该参数可以指定转化数据格式,由于我们转化为16进制,所以参数可以写16,如下
String md5 = bigInt.toString(16);
OK了,MD5的值已经出现了,不过你可能会疑问了,转化为16进制的话,MD5值应该是32位,为何有时候计算的值不是32位,而是31位呢?甚至还可能更少,原因就是digest()返回值的高位包含了0,当然高位0是不写的,所以就出现少位的情况,这也就有了下面的代码,如果不到32位我们再高位补0就好了。
while (md5.length() < 32) {
md5 = "0" + md5;
}
至此,本篇文章结束,若有不足的地方欢迎指正,谢谢。