GridFS 基于MongoDB的分布式文件存储系统
什么是GridFS
GridFS是一种将大型文件存储在MongoDB的文件规范。所有官方支持的驱动均实现了GridFS规范。GridFS是MongoDB中的一个内置功能,可以用于存放文件。
为什么要使用GridFS
问题1:我之前将文件上传到文件系统中,比如通过FTP上传到文件服务器。并将文件地址存储到MySQL数据库,我觉得这个方式挺好的呀,为什么要使用GridFS?
答:文件系统到了后期会变的很难管理,同时不利于扩展,此外我想做分布式文件系统也显得不那么容易。而GridFS却正好相反,它基于MongoDB的文件系统,便于管理和扩展。
问题2:普通文件系统对于大文件处理比较麻烦,需要考虑文件系统自身的限制,GridFS提供了什么好方案?
答:GridFS 会将大文件对象分割成多个小的chunk(文件片段),一般为256k/块,每块chunk将作为MongoDB的一个文档(document)被存储在chunks集合中。这一点对于很大的内容文件非常有用。此外,GridFS和MongoDB的分片使得你的文件可以分布到多个服务器上,而且没有增加操作的复杂性。
问题3:我可以直接把文件的二进制流存到MongoDB么?
答: MongoDB默认的文件大小上限为16MB。所以,超过这个大小是有问题的。如果你的文件,比如图片、音频、视频等超过了16MB,那么你就应该使用GridFS。
GridFS 的两个集合
GridFS 使用两个集合来存储一个文件:fs.files与fs.chunks。我们可以使用下面命令来进行查看。
show collections
复制代码
fs.files集合包含了文件的元数据。我们使用命令来查看
db.fs.files.findOne();
复制代码
以下是刚上传文件的元数据信息的 fs.files 集合文档
{
"_id" : ObjectId("57fb553ac7fa9102e0000001"),
"chunkSize" : 261120,
"uploadDate" : ISODate("2016-10-10T08:45:50.051Z"),
"length" : 1.53513e+008,
"md5" : "9222e097e624800fdd9bfb568169ccad",
"filename" : "E:/jdk-7u79-linux-x64.tar.gz"
}
复制代码
fs.chunks集合则存储实际的以256KB尺寸进行分割的文件块。如果你有分片的集合,那么文件块会分布到多台服务器上。
db.fs.chunks.getIndexes();
复制代码
以下是刚上传文件的fs.chunks 集合文档
{
"0" : {
"v" : 1,
"key" : {
"_id" : 1
},
"name" : "_id_",
"ns" : "gridfs.fs.chunks"
},
"1" : {
"v" : 1,
"key" : {
"files_id" : 1,
"n" : 1
},
"name" : "files_id_1_n_1",
"ns" : "gridfs.fs.chunks"
}
}
复制代码
GridFS 基本操作
上传文件
我们使用GridFS的put命令来存储一个文件。首先,调用MongoDB安装目录下bin的mongofiles.exe工具。然后,打开命令提示符,进入到MongoDB的安装目录的bin目录中,找到mongofiles.exe,并输入下面的代码:
mongofiles.exe -d gridfs put E:\elasticsearch-1.7.0.zip
复制代码
参数说明,–d 指定数据库gridfs
列出清单
使用以下命令来查看数据库中文件的文档
db.fs.files.find()
复制代码
返回以下内容
/* 1 */
{
"_id" : ObjectId("57fb553ac7fa9102e0000001"),
"chunkSize" : 261120,
"uploadDate" : ISODate("2016-10-10T08:45:50.051Z"),
"length" : 1.53513e+008,
"md5" : "9222e097e624800fdd9bfb568169ccad",
"filename" : "E:/jdk-7u79-linux-x64.tar.gz"
}
/* 2 */
{
"_id" : ObjectId("57fb6c49c7fa9135d4000001"),
"chunkSize" : 261120,
"uploadDate" : ISODate("2016-10-10T10:24:09.654Z"),
"length" : 3.17848e+007,
"md5" : "882013a3d205289dddce22c904d3c476",
"filename" : "E:\\elasticsearch-1.7.0.zip"
}
复制代码
查找文件
可以看到 fs.chunks 集合中所有的区块,以下我们得到了文件的 _id 值,我们可以根据这个 _id 获取区块(chunk)的数据。
db.fs.chunks.find({files_id:ObjectId('57fb553ac7fa9102e0000001')});
复制代码
以上实例中,查询返回了 50 个文档的数据,意味着文件被存储在50个区块中。
下载文件
我们使用GridFS的get命令来下载一个文件。
mongofiles.exe -d gridfs get E:\elasticsearch-1.7.0.zip
复制代码
Java 操作 GridFS
注意,以下是一个简单的入门案例,不适用于实际场景,实际场景需要考虑异常处理、IO流关闭、日志处理等。
使用的Maven版本
org.mongodb
mongo-java-driver
3.2.2
复制代码
公共方法
public MongoDatabase mongoDatabase() throws Exception{
MongoClient mongoClient = new MongoClient(mongoHost, mongoPort);
return mongoClient.getDatabase(dbName);
}
复制代码
上传文件
@Test
public void upload() throws Exception {
// 获取文件流
File file = new File("E:/zookeeper-3.4.8.tar.gz");
InputStream in = new FileInputStream(file);
// 创建一个容器,传入一个`MongoDatabase`类实例db
GridFSBucket bucket = GridFSBuckets.create(mongoDatabase());
// 上传
ObjectId fileId = bucket.uploadFromStream(UUID.randomUUID().toString(), in);
System.out.println("上传完成。 文件ID:"+fileId);
}
复制代码
查找文件
@Test
public void findOne() throws Exception {
// 获取文件ID
String objectId = "57fbaffcec773716ecc54ef4";
// 创建一个容器,传入一个`MongoDatabase`类实例db
GridFSBucket bucket = GridFSBuckets.create(mongoDatabase());
// 获取内容
GridFSFindIterable gridFSFindIterable = bucket.find(Filters.eq("_id", new ObjectId(objectId)));
GridFSFile gridFSFile = gridFSFindIterable.first();
System.out.println("filename: " + gridFSFile.getFilename());
}
复制代码
下载文件
@Test
public void download() throws Exception {
// 获取文件ID
String objectId = "57fbaffcec773716ecc54ef4";
// 获取文件流
File file = new File("D:/zookeeper-3.4.8.tar.gz");
// 创建一个容器,传入一个`MongoDatabase`类实例db
GridFSBucket bucket = GridFSBuckets.create(mongoDatabase());
// 创建输出流
OutputStream os = new FileOutputStream(file);
// 下载
bucket.downloadToStream(new ObjectId(objectId), os);
System.out.println("下载完成。");
}
复制代码
删除文件
@Test
public void delete() throws Exception {
// 获取文件ID
String objectId = "57fbaffcec773716ecc54ef4";
// 创建一个容器,传入一个`MongoDatabase`类实例db
GridFSBucket bucket = GridFSBuckets.create(mongoDatabase());
// 删除
bucket.delete(new ObjectId(objectId));
System.out.println("删除完成。");
}
复制代码
总结
GridFS是一种大型文件存储方式之一,有其一定的使用场景,务必根据实际场景选择技术方案。
现在主流的文件存储方案,例如云存储服务,以amazon的s3云服务,七牛云存储都是不错的选择。此外,例如还有阿里开源的tair等键值结构数据的解决方案。