mongodb 的 GridFS 详细分析（二）

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;

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。