MongDB--存储机制GridFS

最新推荐文章于 2024-07-23 16:10:37 发布

Keep hunger

最新推荐文章于 2024-07-23 16:10:37 发布

阅读量494

点赞数

分类专栏： MongoDB 文章标签： MongoDB

本文链接：https://blog.csdn.net/ITgagaga/article/details/103293967

版权

MongoDB 专栏收录该内容

33 篇文章 2 订阅

订阅专栏

MongDB–存储机制GridFS

文章目录

- MongDB--存储机制GridFS

一：简介

GridFS是Mongo的一个子模块,使用GridFS可以基于MongoDB来持久存储文件。并且支持分布式应用(文件分布存储和读取)。作为MongoDB中二进制数据存储在数据库中的解决方案，通常用来处理大文件，对于MongoDB的BSON格式的数据(文档)存储有尺寸限制，最大为16M。但是在实际系统开发中，上传的图片或者文件可能尺寸会很大，此时我们可以借用GridFS来辅助管理这些文件。在GridFS中，文件存储的集中度会比较高，MongoDB是以2G为单位来分配文件的。

二：应用场景

不经常改变但是经常需要连续访问的大文件
如果您的文件系统在一个目录中存储的文件的数量有限，你可以使用GridFS存储尽可能多的文件。
当你想访问大型文件的部分信息，却不想加载整个文件到内存时，您可以使用GridFS存储文件，并读取文件部分信息，而不需要加载整个文件到内存。
当你想让你的文件和元数据自动同步并部署在多个系统和设施，你可以使用GridFS实现分布式文件存储。

三：GridFS的存储原理

MongoDB服务器几乎不会对GridFS请求做处理，几乎所有的处理都是客户端的驱动程序和工具负责。GridFS使用两个集合存储文件。一个集合是fs.chunks, 用于存储文件内容的二进制数据；一个集合是fs.files，用于存储文件的元数据。（集合名可以修改）

当把一个文件存储到GridFS时，如果文件大于chunksize （每个chunk块大小为256KB），会先将文件按照chunk的大小分割成多个块，最终将块的信息存储在fs.chunks集合的多个文档中。然后将文件信息存储在fs.files集合的唯一一份文档中。其中fs.chunks集合中多个文档中的file_id字段对应fs.files集中文档”_id”字段。

在chunk集合块结内部，各个文档的结构非常简单
{
	"_id":ObjectId("....."),
	"n":0,//块在文件中的相对位置
	"data":BinData{},//块包含的二进制文件
	"files_id":ObjectId{},//块所属文件的元数据信息
}

在file集合内部的文档必须有如下几个键，用户也可以自定义元数据信息
"_id":元信息文件的唯一id
"length":文件包含的字节数
"chunSize":组成文件的每个块的大小，默认是256kb,可以调整
"uploadDate":文件被上传到GridFS的日期
"md5":文件内容的md5校验值，这个值是服务器端计算得到的

在file集合内部的文档有如下几个键是可选的
"filename":文件名
"contentType":文件的MIME类型
"metadata":文件自定义信息

读文件时，先根据查询条件在files集合中找到对应的文档，同时得到“_id”字段，再根据“_id”在chunks集合中查询所有“files_id”等于“_id”的文档。最后根据“n”字段顺序读取chunk的“data”字段数据，还原文件。

在这里插入图片描述

fs.chunks 集合存储文件文件内容的二进制数据，以类json格式文档形式存储。每在GridFS存储一个文件，GridFS就会将文件内容按照chunksize大小（chunk容量为256k）分成多个文件块，然后将文件块按照类json格式存在.chunks集合中，每个文件块对应fs.chunk集合中一个文档。一个存储文件会对应一到多个chunk文档

fs.files 集合存储文件的元数据，以类json格式文档形式存储。每在GridFS存储一个文件，则会在fs.files集合中对应生成一个文档。

四：shell的使用

list - list all files; ‘filename’ is an optional prefix which listed filenames must begin with
search - search all files; ‘filename’ is a substring which listed filenames must contain
put - add a file with filename ‘filename’
put_id - add a file with filename ‘filename’ and a given ‘_id’
get - get a file with filename ‘filename’
get_id - get a file with the given ‘_id’
delete - delete all files with filename ‘filename’
delete_id - delete a file with the given ‘_id’

[hadoop@hadoop01 bin]$ echo "hello word" > foo.txt  //写一个文件
[hadoop@hadoop01 bin]$ ./mongofiles  put foo.txt  //上传到GridFS
2019-11-28T14:41:13.801+0800    connected to: localhost
2019-11-28T14:41:13.802+0800    added file: foo.txt

[hadoop@hadoop01 bin]$ ./mongofiles list  //查看
2019-11-28T14:41:36.113+0800    connected to: localhost
foo.txt 11
[hadoop@hadoop01 bin]$ rm foo.txt 
[hadoop@hadoop01 bin]$ ./mongofiles get foo.txt  //下载
2019-11-28T14:42:28.392+0800    connected to: localhost
2019-11-28T14:42:28.396+0800    finished writing to foo.txt

[hadoop@hadoop01 bin]$ cat foo.txt
hello word

上传文件之后，去mongoDB查看

test>db.fs.files.find().pretty()
{
        "_id" : ObjectId("5ddf6f75732d2b0edcd29e5b"),
        "chunkSize" : 261120,
        "uploadDate" : ISODate("2019-11-28T06:55:49.726Z"),
        "length" : 11,
        "md5" : "4d2220fcf2abf3a9baac712bb93bd29c",
        "filename" : "foo.txt"
}
test>db.fs.chunks.find().pretty()
{
        "_id" : ObjectId("5ddf6f75732d2b0edcd29e5c"),
        "files_id" : ObjectId("5ddf6f75732d2b0edcd29e5b"),
        "n" : 0,
        "data" : BinData(0,"aGVsbG8gd29yZAo=")
}

再put一遍同一文件，MongoDB中存储了两个同样的文件，它们的元数据一致，除了_id键。MongoDB提供了md5哈希算法，但GridFs不会自动处理md5值相同的文件。也就是说，同一个文件进行两次put命令，将会在GridFS中对应两个不同的存储，对于存储来说，这是一种浪费。对于md5相同的文件，如果想要在GridFS中只有一个存储，需要通过API进行扩展处理。