MongoDB 的 GridFS 详细分析
GridFS简介
GridFS是MongoDB中的一个内置功能，可以用于存放大量小文件。
http://www.mongodb.org/display/DOCS/GridFS
http://www.mongodb.org/display/DOCS/GridFS+Specification
GridFS使用
MongoDB提供了一个命令行工具mongofiles可以来处理GridFS，在bin目录下。
列出所有文件：
mongofiles list
上传一个文件：
mongofiles put xxx.txt
下载一个文件：
mongofiles get xxx.txt
查找文件：
mongofiles search xxx //会查找所有文件名中包含“xxx”的文件
mongofiles list xxx //会查找所有文件名以“xxx”为前缀的文件
参数说明：
–d 指定数据库 ，默认是fs，Mongofiles list –d testGridfs
-u –p 指定用户名，密码
-h 指定主机
-port 指定主机端口
-c 指定集合名，默认是fs
-t 指定文件的MIME类型，默认会忽略
使用MongoVUE来查看，管理GridFS
MongoVUE地址：http://www.mongovue.com/
MongoVUE是个免费软件，但超过15天后功能受限。可以通过删除以下注册表项来解除限制：
[HKEY_CURRENT_USER\Software\Classes\CLSID\{B1159E65-821C3-21C5-CE21-34A484D54444}\4FF78130]
把这个项下的值全删掉就可以了。
用java驱动上传下载文件：
下载地址：https://github.com/mongodb/mongo-java-driver/downloads
官方的文档貌似不是最新的，不过通过查看api来使用也不困骓。
http://api.mongodb.org/java/2.7.2/
以下代码基于mongo-2.7.3.jar
import java.io.FileInputStream; import java.io.IOException; import java.io.InputStream; import java.net.UnknownHostException; import java.security.NoSuchAlgorithmException; import com.mongodb.BasicDBObject; import com.mongodb.DB; import com.mongodb.DBCollection; import com.mongodb.DBObject; import com.mongodb.Mongo; import com.mongodb.MongoException; import com.mongodb.gridfs.GridFS; import com.mongodb.gridfs.GridFSDBFile; import com.mongodb.gridfs.GridFSInputFile; public class Test { Mongo connection; DB db; DBCollection collection; GridFS myFS; String mongoDBHost = "127.0.0.1"; int mongoDBPort = 27017; String dbName = "testGridfs"; String collectionName = "fs"; public static void main(String[] args) throws MongoException, IOException, NoSuchAlgorithmException { Test t = new Test(); String fileName = "F:/CPU.txt"; String name = "CPU.txt"; //把文件保存到gridfs中，并以文件的md5值为id t.save(new FileInputStream(fileName), name); //据文件名从gridfs中读取到文件 GridFSDBFile gridFSDBFile = t.getByFileName(name); if(gridFSDBFile != null){ System.out.println("filename:" + gridFSDBFile.getFilename()); System.out.println("md5:" + gridFSDBFile.getMD5()); System.out.println("length:" + gridFSDBFile.getLength()); System.out.println("uploadDate:" + gridFSDBFile.getUploadDate()); System.out.println("--------------------------------------"); gridFSDBFile.writeTo(System.out); }else{ System.out.println("can not get file by name:" + name); } } public Test() throws UnknownHostException, MongoException, NoSuchAlgorithmException { _init(); } public Test(String mongoDBHost, int mongoDBPort, String dbName, String collectionName) throws UnknownHostException, MongoException, NoSuchAlgorithmException { this.mongoDBHost = mongoDBHost; this.mongoDBPort = mongoDBPort; this.dbName = dbName; this.collectionName = collectionName; _init(); } private void _init() throws UnknownHostException, MongoException, NoSuchAlgorithmException{ connection = new Mongo(mongoDBHost, mongoDBPort); db = connection.getDB(dbName); collection = db.getCollection(collectionName); myFS = new GridFS(db); } /** * 用给出的id，保存文件，透明处理已存在的情况 * id 可以是string，long，int，org.bson.types.ObjectId 类型 * @param in * @param id */ public void save(InputStream in, Object id){ DBObject query = new BasicDBObject("_id", id); GridFSDBFile gridFSDBFile = myFS.findOne(query); if(gridFSDBFile != null) return; GridFSInputFile gridFSInputFile = myFS.createFile(in); gridFSInputFile.save(); return; } /** * 据id返回文件 * @param id * @return */ public GridFSDBFile getById(Object id){ DBObject query = new BasicDBObject("_id", id); GridFSDBFile gridFSDBFile = myFS.findOne(query); return gridFSDBFile; } /** * 据文件名返回文件，只返回第一个 * @param fileName * @return */ public GridFSDBFile getByFileName(String fileName){ DBObject query = new BasicDBObject("filename", fileName); GridFSDBFile gridFSDBFile = myFS.findOne(query); return gridFSDBFile; } }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：
{ "_id" : ObjectId("4f4608844f9b855c6c35e298"), //唯一id，可以是用户自定义的类型 "filename" : "CPU.txt", //文件名 "length" : 778, //文件长度 "chunkSize" : 262144, //chunk的大小 "uploadDate" : ISODate("2012-02-23T09:36:04.593Z"), //上传时间 "md5" : "e2c789b036cfb3b848ae39a24e795ca6", //文件的md5值 "contentType" : "text/plain" //文件的MIME类型 "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 }对应的fs.chunks中的chunk如下：
{ "_id" : ObjectId("4f4608844f9b855c6c35e299"), //chunk的id "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 "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 "data" : BinData(0,"QGV...") //文件的二进制数据，这里省略了具体内容 }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。