前言
各位平时使用的短视频应用,微信 & 微博等图文社区,它们的图文动态 & 视频上传的能力,都是极其核心的业务。
本质来说,这都是文件的上传,这篇文章带大家写一个文件上传服务,探究其核心原理,相信能为你带来一些帮助。
感谢我的好友 Trembling 对本文的支持
主要包含以下能力:
- 文件上传
- 文件下载
- 分片上传
- 断点续传
- 文件秒传
往期视频讲解 📺:B站:白泽talk,公众号:白泽talk
FileService 主要能力
pd定义:
service FileService {
// pre sign a file url for user get it
rpc PreSignGet(PreSignGetRequest) returns (PreSignGetResponse);
// pre sign a file url for user put it
rpc PreSignPut(PreSignPutRequest) returns (PreSignPutResponse);
// report a file has been uploaded
rpc ReportUploaded(ReportUploadedRequest) returns (ReportUploadedResponse);
// pre sign a file url for user put it with slicing
rpc PreSignSlicingPut(PreSignSlicingPutRequest) returns (PreSignSlicingPutResponse);
// get upload progress rate for slicing put
rpc GetProgressRate4SlicingPut(GetProgressRate4SlicingPutRequest) returns (GetProgressRate4SlicingPutResponse);
// merge a slicing uploading file
rpc MergeFileParts(MergeFilePartsRequest) returns (MergeFilePartsResponse);
// remove a file
rpc RemoveFile(RemoveFileRequest) returns (RemoveFileResponse);
}
FileService用于向各个业务领域提供文件上传、下载的能力。在FileService的所有接口中,都存在一个名为file context
的结构体,该参数通常用于指定文件相关的信息。其结构如下:
message FileContext {
// 所属业务领域,用于创建bucket
string domain = 1;
// 所属业务名称
string biz_name = 2;
// 文件id
int64 file_id = 3;
// 文件sha256 hash
string hash = 4;
// 文件类型
string file_type = 5;
// 文件大小,单位byte
int64 size = 6;
// 文件访问链接的过期时间
int64 expire_seconds = 7;
// 文件名
string filename = 8;
}
在各个请求中,domain
和biz_name
两个参数为必传项,这个2个参数组合后,将使得FileService所依赖的表以业务领域为维度进行第一次分表。在此基础上,可以为每个业务领域配置一个对应的二次分表,可以指定其分为若干张子表。
Quick Start
FileService对于不同业务领域和不同业务项,其文件数量的扩增速度是不同的,带来的数据量很有可能天差地别。所以,要使用FileService的能力,需要在FileService中进行配置分表数量。
在config.yaml
中,可以配置如下内容:
data:
db_sharding_config:
file_shortvideo_short_video:
sharding: file_shortvideo_short_video
sharding_number: 5
db_sharding_config
项用于配置分表数量,其下的file_shortvideo_short_video
为分表key,其中"file"为固定值,shortvideo
为业务领域,short_video
为业务名称。sharding_number
为分表数量。业务领域和业务名称需要在使用FileService时传入。如不进行配置,则默认分表数量为1。
主要链路
普通上传/下载
分片上传/断点续传
主要能力
普通上传
FileService.PreSignPut
提供了最基础的上传能力。该接口需要额外上传的参数包括:
- hash: 文件的sha256值
- file_type: 文件类型
- size:文件大小(字节数)
- expire_seconds:文件上传链接的过期时间
例如,可以向此接口传入这样的参数:
{
"file_context": {
"domain": "shortvideo",
"biz_name": "short_video",
"hash": "8D6BB0819A2C1E66F846031DC54AAF47",
"file_type": "pdf",
"size": 1181178,
"expire_seconds": 86400
}
}
访问后,该接口将返回一个上传链接(http),由上游服务/前端直接将文件上传到该链接。一个上传示例代码(Python):
with open(file_path, 'rb') as file_data:
response = requests.put(
minio_url, # 接口返回的上传链接
data=file_data,
headers={"Content-Type": "application/octet-stream"}
)
print(response)
return response.status_code
通过上述Python代码的方式上传完成后,并不能直接访问到该文件,需要通过FileService.ReportUploaded
接口来进行上传确认,只有上传确认后的文件,才会在数据库中被标记为uploaded
并能被访问到。关于FileService.ReportUploaded
的具体使用,将在下文中详细介绍。
分片上传
在一些情况下,需要上传的文件较大,如果直接上传,可能出现如下问题:
- 上传较慢
- 上传过程中如果出现问题,则需要重新上传整个文件
所以,FileService提供了分片上传的能力。
首先,可以通过FileService.PreSignSlicingPut
预注册一个分片上传任务。该接口需要传入的参数与FileService.PreSignPut
相同。接口返回的主要内容包括:
- urls:数组,各个分片的上传链接,且已经按照分片号排序
- upload_id:上传任务的id
- parts:分片总数
- file_id:文件id
参数示例:
{
"file_context": {
"domain": "shortvideo",
"biz_name": "short_video",
"hash": "8D6BB0819A2C1E66F846031DC54AAF47",
"file_type": "pdf",
"size": 72246060,
"expire_seconds": 86400
}
}
此时,由上有服务/前端对文件进行分片(每一片大小为5MB),然后将各个分片进行上传,一个文件分片的示例如下(Python):
def slicing(filename):
file_size = 5 * 1024 * 1024 # 10MB
files = list()
# 打开文件
with open(filename, 'rb') as f:
index = 0
while True:
# 定位到要读取的位置
f.seek(index * file_size)
# 读取数据
data = f.read(file_size)
# 如果已经读到文件末尾,退出循环
if not data:
break
# 写入分割后的文件
with open(f'{filename}_{index}', 'wb') as f1:
f1.write(data)
files.append(data)
# 更新位置
index += 1
return files
全部分片上传完成后,可以通过FileService.MergeFileParts
来合并分片。主要参数包括:
- file_id
- upload_id
参数示例:
{
"upload_id": "ZDNlOWI2MjktMjAzOC00NzJkLWE0ODYtOGMzZTBlZmJlODUwLmRmN2M5ZWQyLTYxMzMtNDM4NS1hNTljLWEwMzRlNTI5NWNkNHgxNzIzNzM5ODA2MTM2NzU3MzE5",
"file_context": {
"file_id": 1824123073628999680,
"domain": "shortvideo",
"biz_name": "short_video"
}
}
与不同上传不同的是,分片上传在上传完成并调用FileService.MergeFileParts
后,会自动进行上传确认,无需再次调用FileService.ReportUploaded
。
断点续传
在上述分片上传的过程中,可以通过FileService.GetProgressRate4SlicingPut
来获取分片上传的具体情况,主要传入的参数包括:
- file_id
- upload_id
该接口的返回值中包含一个名为parts
的map,key为分片号,value为该分片是否上传完成,上游服务或服务端可以根据该信息来决定哪些分片需要重新上传
示例参数:
{
"upload_id": "ZDNlOWI2MjktMjAzOC00NzJkLWE0ODYtOGMzZTBlZmJlODUwLjA3ZTgyNmY0LWE4YjQtNDQxMC04M2QzLWY4ODQ4MTRiZGM4Y3gxNzIzNzM4ODUzMTMzMjY4ODQ3",
"file_context": {
"file_id": 1824119076553756672,
"domain": "shortvideo",
"biz_name": "short_video"
}
}
返回值示例:
{
"parts": {
"1": true,
"2": true,
"3": true,
"4": true,
"5": true,
"6": true,
"7": true,
"8": true,
"9": true,
"10": true,
"11": true,
"12": true,
"13": true,
"14": true
},
"meta": {
"reason": [],
"biz_code": 0,
"message": "success",
"domain": ""
},
"progress_rate": 100
}
上传确认
在上传完成时(分片上传除外,分片上传结束时调用FileService.MergeFileParts
会自动进行上传确认),都需要调用FileService.ReportUploaded
来进行上报,该接口必传参数为:
- file_id
这一接口主要完成这样一件事:检查文件的hash,检查通过后将文件标记为“上传成功状态”,否则文件将不可被查询到。
参数示例:
{
"file_context": {
"domain": "shortvideo",
"biz_name": "short_video",
"file_id": "1824118603822141440"
}
}
下载文件
通过FileService.PreSignGet
接口则可以获取下载文件链接,该接口主要传入的参数包括:
- file_id
- expire_seconds
参数示例:
{
"file_context": {
"domain": "shortvideo",
"biz_name": "short_video",
"file_id": "1824123073628999680",
"expire_seconds": 86400,
"filename": "data.mp4"
}
}
秒传
在FileService.PreSignPut
和FileService.PreSignSlicingPut
接口中,如果传入的hash已经存在,则会返回一个file_id
,这个file_id
可以用于获取下载链接,从而不需要再次上传文件。