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

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();

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"

}

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();

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"

}

}

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

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()

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"

}

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')});

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

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

公共方法

public MongoDatabase mongoDatabase() throws Exception{

MongoClient mongoClient = new MongoClient(mongoHost, mongoPort);

return mongoClient.getDatabase(dbName);

}

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);

}

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());

}

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。");

}

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。");

}

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。