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。
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。
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。