断点续传和分片上传

断点续传和分片上传.png

先来个总结，我之前和将要写到的文件上传用到的技术和场景描述：

场景描述	使用技术
图片上传前的预览	FileReader 或 createObjectURL
限制用户上传的文件格式和大小	通过文件对象 File 的 size 和 type 属性
强大的原生 Form 表单上传	FileList 对象
虚拟表单上传	FormData
ctrl + v 上传	paste 事件
鼠标拖拽上传	dropover 和 drop 事件, DataTransfer 对象
大文件 分片上传	Blob 的 slice 方法
大文件 分片下载	HTTP 的 Range 技术
体验更好的 断点续传/下载	暂存技术
秒传	MD5 等摘要算法加密

有几项涉及到的技术，在之前的博客有提到过，就是下面这两篇文章，链接如下：

• 文件点击上传和拖拽上传
• ctrl + v 实现图片预览和上传

本次重点来写下「分片」和「断点」这两个技术。

写完发现一篇好文章：NodeJS实现简单的HTTP文件断点续传下载功能

一、实现分片上传和断点续传

分片上传又叫切片上传

我们知道使用 元素选择一个文件之后，会得到 File 对象，而 File 对象 又天生继承 Blob，正好 Blob 对象有个方法叫 slice。这个方法和数组的 slice 方法使用基本相同，它可以获取待上传文件的某一部分，经过 slice 方法处理之后得到的结果也是一个 Blob。

我们先来个文件上传案例：

前端代码：

    
    
    
    



    
    
    上传
    

后端代码：

const multiparty = require("multiparty");
const bodyParser = require("body-parser");
const path = require("path");
const express = require("express");
const app =  express();
const fs = require("fs");
function resolvePath (dir) {
    return path.join(__dirname, dir);
}


app.use(express.static(resolvePath("/public")));
// https://expressjs.com/en/4x/api.html#req.body
app.use(bodyParser.json({ limit: "50mb" }));
app.use(bodyParser.urlencoded({ extended: true }));

app.post("/upload", function (req, res) {
    const form = new multiparty.Form({ uploadDir: "public" });
    form.parse(req);
    form.on("file", function(name, file) {
        console.log(name, file)
        const { path, originalFilename } = file;
        fs.renameSync(path, `public/${originalFilename}`);
        res.json({
            url: `http://localhost:48488/${originalFilename}`,
            message: "发送成功"
        });
    })
});

const port = 48488;
app.listen(port, function () {
    console.log(`listen port ${port}`);
});

一个简单的文件上传就完成了，现在开始切片上传功能开发，切片上传就是把一个文件切分成很多小文件，本来上传一个大文件，现在改成上传很多小文件。

如何切文件，这就很哲学了，流行两种思路：

• 不管上传文件的大小，切成固定的块数，然后上传。
• 不管上传文件的大小，每次切的块大小相同，然后上传。

第一种方法的缺点就是，如果文件过小的话，切成固定的块数，明显浪费 HTPP 请求，如果文件过大，切成固定的块数，切的每块可能依然过大，即切片的切片还需要继续切片。所以使用这种方法，需要加上限定条件，假如上传文件的大小为 s，限定条件应该这样写 n <= s <= m。

第二种方法的缺点就是，如何确定每次上传文件的大小，定小了，容易出现 HTTP 请求过多，定大了，容易出现切片效果不理想，切片的大小真是让人头疼。

所以，我们常常需要这两种办法结合使用，上传文件的代码逻辑应该这样写：

1. 文件过小，不用切片，可以直接上传。例如 10kb、190kb、200kb、甚至 1M……。
2. 文件三四十兆的这种，就固定切片大小就好。
3. 大于一百兆但是小于 1G 的这种，可以分区间，不同的区间给不同固定的分包数量。
4. 如果文件再大，可以两者方法结合用，先固定分包数量，然后随机包大小。
5. 文件超大的那种，应该寻求并行上传方法，简单点前端可以直接禁止上传超大文件。
6. 重复文件上传应该有秒传功能。

以上是一个非常完善的切片上传逻辑，项目没有要求我当然不会实现的了，毕竟要写好多的判断，不过切片上传的核心功能，我还是得通过代码来实现的，一起来看看。

前端代码：递归实现切片上传

    
    
    
    



    
    
    
    上传
    

后端代码：两个重要的路由

app.post("/upload", function (req, res) {
    const form = new multiparty.Form({ uploadDir: "temp" });
    form.parse(req);
    form.on("file", function(name, file) {
        const { path, originalFilename } = file;
        fs.renameSync(path, `temp/${originalFilename}`);
        res.json({
            code: "200",
            message: "发送成功"
        });
    })
});
app.post("/merge", function (req, res) {
    const { fileName, hexHash, extName } = req.body;
    const readDir = fs.readdirSync(resolvePath("./temp"));
    readDir.sort((a, b) => a - b).map(chunkPath => {
        fs.appendFileSync(
            resolvePath(`public/${fileName}`),
            fs.readFileSync(resolvePath(`temp/${chunkPath}`))
        );
        fs.rmSync(resolvePath(`temp/${chunkPath}`));
    });
    // fs.rmdirSync(resolvePath("./temp"));
    res.json({
        url: `http://localhost:48488/${fileName}`,
        message: "发送成功"
    });
});

一个牛叉而又简单的切片上传就完成了。

简单切片上传

你看我们 network 面板里面的 waterfall 你会发现，接口是串行发出的（当然根据前端代码你也能得出来这个结论），聪明的你这时候肯定想到了，这样是不是有点浪费 HTTP 请求，而且速度并没有达到最快，既然串行的方法不太好，我们就并行上传。

并行实现逻辑：略。

这时候应该考虑一个用户体验的问题，一如果文件是在太大，文件还没上传完，用户需要暂时离开，关上电子设备。二网络过差，甚至差到断网。这时候我们应该提供 暂停/继续 上传功能。这个功能后端不需要动代码逻辑，只需要前端记住切片上传的位置就行了，这个很简单，简单的加个变量来控制下就行了，如果想体验更好点，甚至要考虑加上取消请求的功能。

这个暂停/继续上传功能也有局限，就是用户刷新了页面，重新再打开，受浏览器的限制，我们不能用例如 NodeJS 中 fs 模块来主动获取文件，只能用户手动上传，前端来能获取到文件 File，所以暂停/继续上传功能受页面不能刷新影响很大。那问题来了，请问怎么解决？

自然而然的，我们想到把文件对象直接存储在本地不就行了，好主意，那存在哪里呢？存在 localStorage 怎么样？好像不太行，localStorage 大小就能存约 5M 大小，在如今的网络时代下，这怎么能够用。那就没办法了吗？非也，还有一个终极大杀招，那就 IndexDB，我们通过 MD5 来确认文件的唯一性，然后把没有上传的部分放入 IndexDB 里面，一旦上传完，就立刻删除，最大可能的节省空间。哈哈哈，这下算是彻底的解决问题了。

但是此时又有一个问题，就是我在 PC 我上传文件，但是只是上传一半就关闭了网页，此时我换设备了，跑到 iPad 或 手机再次打开上传文件页面。我也想要看到未上传的文件。这下麻烦大了，但是也有解决办法。

首先上传进度，肯定是后端记住，而不是前端了。其次对于设备上没有此文件的上传我们只需要简单的提醒用户，要么使用原设备，要么使用此设备手动重新上传。

如果用户选择了重新上传，后端需要根据此文件的 MD5 检索出来文件已经上传的部分，前端续传，而不是真正的重新开始。

断点续传和分片上传，到此完结撒花。

二、秒传

上面提到了，续传功能，那就没有理由不支持秒传功能，这个更加简单了，就是根据上传文件的 MD5，在数据库中检索已经上传文件的 MD5，一旦检索到直接上传完成。

三、分片下载和断点续载

分片下载又叫切片下载

分片下载和分片上传的原理那是大大的不同，不过思路都是一致的，就是大化小。与分片上传利用 File 对象 不同，分片下载用到的技术是 HTTP 中的知识。

你先猜猜用到的是 HTTP 中的什么知识？

猜不出来吧，那你的去补补 HTTP 的知识了，推荐「图解 HTTP」这本书。答案揭晓其实用到是 Range Requests 的知识，如果你想更加系统的学习，请参考 RFC 7233。

这个技术可能我们前端不经常用到，但是平时我们接触还是非常多的。例如像迅雷这样的多线程下载器，我们平时看视频，进度条随意拖拽只加载部分视频流等等。这么一讲你是不是，有种天灵盖被揭开的柑橘，哦，原来这些功能都是 HTTP 请求的功劳。

好了，废话不多说，直接上硬菜，先来学学 HTTP 知识的内容。

Accept-Ranges

我们知道 HTTP 最早是用来传输文本的，现在想把一个文件切开一部分一部分的传输，那就需要支持更加底层的传输单位，没错就是 字节（byte）。根据规范，在使用 byte 传输的时候，首先验证服务器是否支持这种传输方式。

我们需要在服务器上通过 Accept-Ranges 头部表示是否支持 Range，Accept-Ranges 的格式为：

Accept-Ranges = acceptable-ranges

acceptable-ranges 的值有两个：

• Accept-Ranges: none 不支持 bytes 请求
• Accept-Ranges = bytes 支持 bytes 请求

来看下哔哩哔哩网站视频播放时其中一个接口。

哔哩哔哩

Range 请求范围的单位

现在知道服务器支持 byte 请求了，那怎么表示请求范围呢？该是 Range 登场的时候了。来看看 Range 的格式：

 Range = byte-ranges-specifier / other-ranges-specifier

现在假设我们要获取的文件大小为 2000 bytes，那么我们可以按下面步骤获取。

• 第 1 个 500 字节：bytes=0-499
• 第 2 个 500 字节 bytes=500-999
• 第 3 个 500 字节 bytes=500-600,601-999 也可以有重合部分 bytes=500-700,601-999 重合的只会加载一次。注意这种请求叫多重范围请求，它请求头的 Content-Type 比较特殊长成这样Content-Type：multipart/byteranges; boundary=…，有点类似 POST 表单提交的方式。关于 byteranges 请去 MDN 查看教程。
• 最后 1 个 500 字节：bytes=-500 或 bytes=9500-

看完只会，考你个问题，如果仅要第 1 个和最后 1 个字节，怎么写？

bytes=0-0,-1

OK，这次我们来看看微博上视频播放时 Range 是如何写的。

看完，不知道你发现没，微博和哔哩哔哩请求头响应头的定义有点不同，微博第一个单词都是大写的，哔哩哔哩都是小写的，本人更喜欢微博的做法，严格遵守了 RFC 规定。

Content-Range

服务器收到浏览器的请求了，那么服务器如何返回资源呢？没错就是 Content-Range 了。给个例子来看看它的语法格式：

Content-Range: bytes start-end/total

上面表示一次 HTTP 请求，服务端返回的结果为 start-end 区间，这次请求的资源总大小为 total。看个例子：

哔哩哔哩 Content-Range 例子

还没完，看到我上面标出来的状态码了吧，我们知道一个正常的 HTTP 请求完成之后我们会收到 200 状态码，但是我们用 Range 请求服务器的时候，有所不同，分为以下几种情况：

• 服务器不支持 Range 请求时，则以 200 返回完整的响应包体
• 服务器支持 Range 请求的时候，一次正常请求结束返回 206 Partial Content
• 服务器支持 Range 请求的时候，当请求范围不满足实际资源的大小，返回状态码 416 Range Not Satisfiable ，同时 Content-Range 中的 complete- length 显示完整响应的长度，例如 ： Content-Range: bytes */1234

HTTP 的条件请求

平时涉及到 HTTP 条件请求的头部有以下五个。

• If-Match = "*" / 1#entity-tag
• If-None-Match = "*" / 1#entity-tag
• If-Modified-Since = HTTP-date
• If-Unmodified-Since = HTTP-date
• If-Range = entity-tag / HTTP-date

If-None-Match 和 If-Modified-Since 这两个请求头相信你非常熟悉了，属于协商缓存的内容，相信这时候你马上能想到一个非常经典的前端面试题——说说浏览器的缓存机制。，不懂这个面试题的可以去看看这个博客 图解 HTTP 缓存。

剩下几个我相信你就不太懂了，我们一起来学习下，If-None-Match 和 If-Modified-Since 分别取反就是 If-Match 和 If-Unmodified-Since。取反的 If-Match 和 If-Unmodified-Since 就是给我们前面讲的 Accept-Ranges 使用的，当我们一点点的从服务器获取数据的时候，突然此时已经获取的数据发生了变化，这时我们肯定不能接着获取数据了，而是要从新获取数据。这是我们现在遇到的问题，那怎么解决这个问题呢？

两个方法：

1. If-Match 和 If-Unmodified-Since

通过请求头携带的 If-Match 或 If-Unmodified-Since 来判断文件是否被修改，如果文件被修改，直接返回 412 （Precondition Failed）来告诉浏览器，正在请求的资源发生了改变，请重新发送请求进行获取。

使用 NodeJS 来模拟下资源被更新返回 412 状态码这个过程，不过先插播一段知识，关于 NodeJS 获取请求头的方面的，即 express req.headers 大小写问题。

express 中通过 req.query 来获取客户端 Query 参数，客户端上传的参数是严格遵守大小写的，但是 req.headers 来获取请求头时，接收到的全是小写。搞的人很郁闷，为什么这么奇怪呢，原来是和 HTTP 协议有关。详情见：express request.headers 大小写问题，坑！，我是受不了大小写混乱，所以使用 req.get() 来获取请求头，因为这个 API 是忽略大小写的。

我们的 NodeJS 后端代码如下：

app.get("/download", function (req, res) {
    const Range = req.get("Range");
    const clientMatch = req.get("If-Match");
    const clientmodifiedSince = req.get("If-Unmodified-Since");

    const readPath = resolvePath("./test.js");

    const md5 = crypto.createHash("md5");
    md5.update(fs.readFileSync(readPath));
    const serverMatch = md5.digest("hex");

    const { mtime } = fs.statSync(readPath);
    const timeStamp = mtime.getTime();
    const lastModifiedStringDate = new Date(clientmodifiedSince || 0).getTime();

    if ((clientMatch && clientMatch !== serverMatch) || (clientmodifiedSince && lastModifiedStringDate !== timeStamp)) {
        res.sendStatus(412);
    } else {
        const rangeBytes = Range.substring(Range.lastIndexOf("=") + 1);
        const [ start, end ] = rangeBytes.split("-");
        res.setHeader("ETag", serverMatch);
        res.setHeader("Last-Modified", timeStamp);
        fs.createReadStream(readPath, { start: +start, end: +end }).pipe(res);
    };
});

我们要读取的文件 test.js 的内容为：

CondorHero

然后我们采用 CURL 命令工具进行调试，先看看如何获取一段数据：

curl http://localhost:48488/download -H "Range: bytes=0-5"  // Condor

再来获取下请求头，为 HTTP 条件请求做准备：

curl http://localhost:48488/download -H "Range: bytes=0-5" -I
HTTP/1.1 200 OK
X-Powered-By: Express
ETag: 532462711215f93a3206e236e45f894e
LastModified: 1611933312687
Date: Sat, 30 Jan 2021 08:01:20 GMT
Connection: keep-alive
Keep-Alive: timeout=5

然后利用条件请求 If-Match 或 If-Unmodified-Since 来做一个正常请求，这个我选择了 If-Match。

curl http://localhost:48488/download -H "Range: bytes=0-5" -H "If-Match: 532462711215f93a3206e236e45f894e"  // Condor

依然正常输出。随便更改下 If-Match 的值，再次发送请求：

curl http://localhost:48488/download -H "Range: bytes=0-5" -H "If-Match: 哈哈哈哈"  // 402 Precondition Failed

模拟完成。

上面这个方法有个缺点，那就是数据一旦被改变，浏览需要先获取 412 状态码，然后浏览器再准备发送请求，我们发现多了一个请求来回，如果服务器对比完，发现资源被改变，能直接完整返回最新资源就完美了，省去了一次 HTTP 请求。没错 If-Range 就是用来干这个的。

2. If-Range

稍微修改下后端的代码：

app.get("/download", function (req, res) {
    const Range = req.get("Range");
    const clientMatch = req.get("If-Range");
    const clientmodifiedSince = req.get("If-Unmodified-Since");

    const readPath = resolvePath("./test.js");

    const md5 = crypto.createHash("md5");
    md5.update(fs.readFileSync(readPath));
    const serverMatch = md5.digest("hex");

    const { mtime } = fs.statSync(readPath);
    const timeStamp = mtime.getTime();
    const lastModifiedStringDate = new Date(clientmodifiedSince || 0).getTime();

    if ((clientMatch && clientMatch !== serverMatch) || (clientmodifiedSince && lastModifiedStringDate !== timeStamp)) {
        res.setHeader("ETag", serverMatch);
        res.setHeader("Last-Modified", timeStamp);
        fs.createReadStream(readPath).pipe(res);
    } else {
        const rangeBytes = Range.substring(Range.lastIndexOf("=") + 1);
        const [ start, end ] = rangeBytes.split("-");
        res.setHeader("ETag", serverMatch);
        res.setHeader("Last-Modified", timeStamp);
        fs.createReadStream(readPath, { start: +start, end: +end }).pipe(res);
    };
});

当我们再次发送请求的时候：

curl http://localhost:48488/download -H "Range: bytes=0-5" -H "If-Range: 哈哈哈哈哈"
// 返回结果为 CondorHero
// 没有返回 412 而是直接返回全部结果

条件请求我们就讲完了，现在直接开始做分片下载的 Demo 好了。

分片下载

现在分片实现最重要的两点就是：

• 前端 => 递归
• 后端 => createReadStream 的用法

然后我们后端现在几乎都不要改动什么，简单的加点东西就行了，看下接口。

app.get("/download", function (req, res) {
    const Range = req.get("Range");
    const clientMatch = req.get("If-Range");
    const clientmodifiedSince = req.get("If-Unmodified-Since");

    const readPath = resolvePath("./test.txt");

    const md5 = crypto.createHash("md5");
    md5.update(fs.readFileSync(readPath));
    const serverMatch = md5.digest("hex");

    const { mtime, blksize } = fs.statSync(readPath);
    const timeStamp = mtime.getTime();
    const lastModifiedStringDate = new Date(clientmodifiedSince || 0).getTime();

    if ((clientMatch && clientMatch !== serverMatch) || (clientmodifiedSince && lastModifiedStringDate !== timeStamp)) {
        res.setHeader("ETag", serverMatch);
        res.setHeader("Last-Modified", timeStamp);
        fs.createReadStream(readPath).pipe(res);
    } else {
        const rangeBytes = Range.substring(Range.lastIndexOf("=") + 1);
        const [ start, end ] = rangeBytes.split("-");
        res.setHeader("Accetp-Ranges", "bytes");
        res.setHeader("ETag", serverMatch);
        res.setHeader("Last-Modified", timeStamp);
        res.setHeader("Total-Size", blksize);
        res.setHeader("Content-Range", `bytes ${start}-${end}/${blksize}`);
        res.setHeader("fileName", encodeURIComponent("浣溪沙-晏殊.txt"));
        fs.createReadStream(readPath, { start: +start, end: +end }).pipe(res);
    };
});

我们要接收的文件它长成这样：

浣溪沙·小阁重帘有燕过
    晏殊〔宋代〕
小阁重帘有燕过。晚花红片落庭莎。曲阑干影入凉波。
一霎好风生翠幕，几回疏雨滴圆荷。酒醒人散得愁多。

前端就很好写了，递归分片：

    
    
    



    
    下载
    

把网络调慢点，我们看下分片下载的演示效果：

2021-01-30 19-19-50.2021-01-30 19_21_44.gif

这里送你一张分片请求链接的图：

断点下载思路，参考上面断点上传。

完～

四、最后

代码我都是很简单的略写实现，并没有太过深入的精心实现。这是因为我们前端遇到大多数的项目，就是一个简单的文件上传，顶多文件过大加点分片上传。像百度云网页那种完美的实现，应该很少有公司有这种业务场景。所以，我们只要大概的了解个原理，妥妥的应付面试就行了。

当前时间 Saturday, January 30, 2021 19:29:40 北京办公室