GridFS:基于MongoDB的分布式文件存储系统

shisgmei

　　GridFS是MongoDB之上的分布式文件系统，其利用了MongoDB的分布式存储机制并通过MongoDB来存储文件数据和文件元数据，兼具文档型数据库和文件系统的优势。GridFS是当前大数据潮流和复杂数据分析需求的产物。
　　简单来说，GridFS通过将文件数据和文件元数据保存在MongoDB里来实现文件系统，通过复制(Replication)来应对故障切换，数据集成，还可以用来做读扩展，热备份或者作为离线批处理的数据源，通过分片来实现自动切分数据，实现大数据存储和负载均衡，通过数据库对集合中文档的管理和查询(包括MapReduce)实现轻量级文件系统接口和搜索与分析。
　　GridFS的一个基本思想是可以将大文件分成很多块，每一块作为一个单独的文档存储，则有就能存储大文件了。由于MongoDB支持在文档中存储二进制数据，可以最大限度减小块的存储开销。GridFS使用MongoDB的复制，分片等机制来实现分布式文件存储，使用MongoDB进行管理和复杂分析。
　　GridFS使用两个文档来存储文件，一个用来存储文件本身的块，另外一个用来存储分块的信息和文件的元数据，默认对应的集合分别为fs.chunks和fs.files.
　　Chunks集合：
　　{
　　“_id”:,
　　“files_id”: ,
　　“n”: ,
　　“data”:
　　}
　　块集合中文档包含以下属性：chunk_id:块ID。Chunks.files_id:对应files集合中文档的_id。Chunks.n：块的编号，由GridFS管理，从0开始。Chunks.data:文件数据，是BSON二进制类型。
　　Chunks集合使用files_id和n作为混合索引，files集合：
　　{
　　“_id”: ,
　　“length”: ,
　　“chunkSize”:,
　　“uploadDate”: ,
　　“md5”: ,
　　“filename”: ,
　　“contentType”: ,
　　“aliases”: ,
　　“metadata”:
　　}
　　Files集合中的文档包含以下属性，应用还可以创建额外任意的属性：files_id：唯一的文件表示。MongoDB的默认值是BOSN ObjectID。 Files.length: 文件的字节数大小。Files.chunkSize:每个块的大小，默认为256KB，GridFS根据这个值将文件分成多个快，files.uploadDate:GridFS第一次存储此文件的时间，类型为ISODate。Files.md5: 文件的md5散列值，是字符串。 Files.filename：可选。人类可读的文件名。Files.contentType: 可选。合法的文件MIME类型。Files.aliases:可选。别名的字符串数组。Files.metadata:可选。自定义存储的文件元数据。
　　可以通过mongofiles工具或者MongoDB驱动程序来使用GridFS,GridFS主要提供5种操作接口：
　　List:获取文件列表
　　Get:获取文件
　　Put:写入文件
　　Search:根据文件名搜索文件
　　Delete:删除文件
　　因为GridFS文件的元数据存储在files集合中，因此GridFS可以非常方便地进行文件管理，比如根据文件名，上传时间，文件大小或者自定义的文件元数据进行查询，还可以利用MapReduce做复杂数据分析。这是GridFS把传统文件系统和数据库相结合得到的众多好处之一。
　　对比传统文件系统的优势
　　分布式：GridFS是基于MongoDB的分布式文件系统，可以直接使用MongoDB Replication和Sharding机制，数据可靠性和水平扩展性都得到保证。GridFS不产生磁盘碎片，因为MongoDB分配数据文件空间时以2GB为一块。
　　MapReduce:可以进行复杂管理和查询分析。
　　索引和缓存：元数据存储在MongoDB中，非常方便索引，并且可以对文件和文件元数据进行索引，能提高系统效率。
　　Checksum: GridFS会为文件产生散列值，可用于校验文件以检查完整性。
　　开发者友好：利用Grid可以简化需求，减小开发成本。要是已经用了MongoDB,GridFS就可以不需要使用独立文件存储架构，并且使代码和数据真正分离，方便管理。
　　其他： GridFS可以避免用于存储用户上传内容的文件系统出现的某些问题。例如，GridFS在同一个目录下防止大量的文件是没有任何问题的。GridFS不产生磁盘碎片，因为MongoDB分配数据文件空间时以2GB为一块。