MongoDB中GridFS详细分析

      GridFS是MongoDB中的一个内置功能，可用于存放大量小文件。GridFS用于存储和恢复那些超过16M（BSON文件限制）的文件，如果没有超过16M大小可以将数据保存在BSON数据中。

      GridFS 也是文件存储的一种方式，但是它是存储在MonoDB的集合中。

      GridFS 用两个集合来存储一个文件：fs.files与fs.chunks。每个文件的实际内容被存在chunks(二进制数据)中,和文件有关的meta数据(filename,content_type,还有用户自定义的属性)将会被存在files集合中。

fs.files集合信息如下：
{  
"_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 
} 

fs.chunks的代码如下：

{  
"_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 
} 

默认大小是256k，所以把文件存入到GridFS过程中，如果文件大于chunksize，则把文件分割多个chunk，再把这些chunk保存在fs.chunks中，最后再把文件信息存入fs.files中。

      在读取文件的时候，先根据查询的条件，在fs.files中找到一个合适的记录，得到“_id”的值，再根据这个值到fs.funks中查找所有files_id 为 _id 的chunk，并按照“n”排序，最后依次读取chunk中的“data”对象的内容，还原成原来的文件。

 

注意：

     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,最后再把文件的信息保存到fs.files中，所以如果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。