MongoDB数据库中的gridfs使用介绍

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
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
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。
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;
        }
}

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=
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。
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。
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。