共计 6286 个字符，预计需要花费 16 分钟才能阅读完成。
整体思路
第一步是联合我的项目背景，调研比拟优化的解决方案。文件上传失败是陈词滥调的问题，罕用计划是将一个大文件切片成多个小文件，并行申请接口进行上传，所有申请失去响应后，在服务器端合并所有的分片文件。当分片上传失败，能够在从新上传时进行判断，只上传上次失败的局部，缩小用户的等待时间，缓解服务器压力。这就是分片上传文件。
大文件上传
那么如何实现大文件分片上传呢？
流程图如下：
大文件上传流程图
分为以下步骤实现：
1. 文件 MD5 加密
MD5 是文件的惟一标识，能够利用文件的 MD5 查问文件的上传状态。
依据文件的批改工夫、文件名称、最初批改工夫等信息，通过 spark-md5[2] 生成文件的 MD5。须要留神的是，大规格文件须要分片读取文件，将读取的文件内容增加到 spark-md5[3] 的 hash 计算中，直到文件读取结束，最初返回最终的 hash 码到 callback 回调函数外面。这里能够依据须要增加文件读取的进度条。
MD5 加密过程
实现办法如下：
// 批改工夫 + 文件名称 + 最初批改工夫 -->MD5
md5File (file) {return new Promise((resolve, reject) => {
let blobSlice =
File.prototype.slice ||
File.prototype.mozSlice ||
File.prototype.webkitSlice
let chunkSize = file.size / 100
let chunks = 100
let currentChunk = 0
let spark = new SparkMD5.ArrayBuffer()
let fileReader = new FileReader()
fileReader.onload = function (e) {console.log('read chunk nr', currentChunk + 1, 'of', chunks)
spark.append(e.target.result) // Append array buffer
currentChunk++
if (currentChunk < chunks) {loadNext()
} else {let cur = +new Date()
console.log('finished loading')
// alert(spark.end() + '---' + (cur - pre)); // Compute hash
let result = spark.end()
resolve(result)
}
}
fileReader.onerror = function (err) {console.warn('oops, something went wrong.')
reject(err)
}
function loadNext () {
let start = currentChunk * chunkSize
let end =
start + chunkSize >= file.size ? file.size : start + chunkSize
fileReader.readAsArrayBuffer(blobSlice.call(file, start, end))
}
loadNext()})
}
2. 查问文件状态
前端失去文件的 MD5 后，从后盾查问是否存在名称为 MD5 的文件夹，如果存在，列出文件夹下所有文件，失去已上传的切片列表，如果不存在，则已上传的切片列表为空。
// 校验文件的 MD5
checkFileMD5 (file, fileName, fileMd5Value, onError) {
const fileSize = file.size
const {chunkSize, uploadProgress} = this
this.chunks = Math.ceil(fileSize / chunkSize)
return new Promise(async (resolve, reject) => {
const params = {
fileName: fileName,
fileMd5Value: fileMd5Value,
}
const {ok, data} = await services.checkFile(params)
if (ok) {
this.hasUploaded = data.chunkList.length
uploadProgress(file)
resolve(data)
} else {reject(ok)
onError()}
})
}
3. 文件分片
文件上传优化的外围就是文件分片，Blob 对象中的 slice 办法能够对文件进行切割，File 对象是继承 Blob 对象的，因而 File 对象也有 slice 办法。
定义每一个分片文件的大小变量为 chunkSize，通过文件大小 FileSize 和分片大小 chunkSize 失去分片数量 chunks，应用 for 循环和 file.slice() 办法对文件进行分片，序号为 0 – n，和已上传的切片列表做比对，失去所有未上传的分片，push 到申请列表 requestList。
文件分片
async checkAndUploadChunk (file, fileMd5Value, chunkList) {let { chunks, upload} = this
const requestList = []
for (let i = 0; i < chunks; i++) {let exit = chunkList.indexOf(i + '') > -1
// 如果曾经存在, 则不必再上传以后块
if (!exit) {requestList.push(upload(i, fileMd5Value, file))
}
}
console.log({requestList})
const result =
requestList.length > 0
? await Promise.all(requestList)
.then(result => {console.log({ result})
return result.every(i => i.ok)
})
.catch(err => {return err})
: true
console.log({result})
return result === true
}
4. 上传分片
调用 Promise.all 并发上传所有的切片，将切片序号、切片文件、文件 MD5 传给后盾。
后盾接管到上传申请后，首先查看名称为 文件 MD5 的文件夹是否存在，不存在则创立文件夹，而后通过 fs-extra 的 rename 办法，将切片从长期门路挪动切片文件夹中，后果如下：
上传分片
当全副分片上传胜利，告诉服务端进行合并，当有一个分片上传失败时，提醒“上传失败”。在从新上传时，通过文件 MD5 失去文件的上传状态，当服务器曾经有该 MD5 对应的切片时，代表该切片曾经上传过，无需再次上传，当服务器找不到该 MD5 对应的切片时，代表该切片须要上传，用户只需上传这部分切片，就能够残缺上传整个文件，这就是文件的断点续传。
断点续传示意图
// 上传 chunk
upload (i, fileMd5Value, file) {const { uploadProgress, chunks} = this
return new Promise((resolve, reject) => {let { chunkSize} = this
// 结构一个表单，FormData 是 HTML5 新增的
let end =
(i + 1) * chunkSize >= file.size ? file.size : (i + 1) * chunkSize
let form = new FormData()
form.append('data', file.slice(i * chunkSize, end)) // file 对象的 slice 办法用于切出文件的一部分
form.append('total', chunks) // 总片数
form.append('index', i) // 以后是第几片
form.append('fileMd5Value', fileMd5Value)
services
.uploadLarge(form)
.then(data => {if (data.ok) {
this.hasUploaded++
uploadProgress(file)
}
console.log({data})
resolve(data)
})
.catch(err => {reject(err)
})
})
}
5. 上传进度
尽管分片批量上传比大文件单次上传会快很多，也还是有一段加载工夫，这时应该加上上传进度的提醒，实时显示文件上传进度。
原生 Javascript 的 XMLHttpRequest 有提供 progress 事件，这个事件会返回文件已上传的大小和总大小。我的项目应用 axios[4] 对 ajax 进行封装，能够在 config 中减少 onUploadProgress 办法，监听文件上传进度。
上传进度
const config = {
onUploadProgress: progressEvent => {var complete = (progressEvent.loaded / progressEvent.total * 100 | 0) + '%'
}
}
services.uploadChunk(form, config)
6. 合并分片
上传完所有文件分片后，前端被动告诉服务端进行合并，服务端承受到这个申请时被动合并切片，通过文件 MD5 在服务器的文件上传门路中找到同名文件夹。从上文可知，文件分片是依照分片序号命名的，而分片上传接口是异步的，无奈保障服务器接管到的切片是依照申请程序拼接。所以应该在合并文件夹里的分片文件前，依据文件名进行排序，而后再通过 concat-files 合并分片文件，失去用户上传的文件。至此大文件上传就实现了。
merge
合并分片示意图
Node 端代码：
// 合并文件
exports.merge = {
validate: {
query: {fileName: Joi.string()
.trim()
.required()
.description('文件名称'),
md5: Joi.string()
.trim()
.required()
.description('文件 md5'),
size: Joi.string()
.trim()
.required()
.description('文件大小'),
},
},
permission: {roles: ['user'],
},
async handler (ctx) {const { fileName, md5, size} = ctx.request.query
let {name, base: filename, ext} = path.parse(fileName)
const newFileName = randomFilename(name, ext)
await mergeFiles(path.join(uploadDir, md5), uploadDir, newFileName, size)
.then(async () => {
const file = {
key: newFileName,
name: filename,
mime_type: mime.getType(`${uploadDir}/${newFileName}`),
ext,
path: `${uploadDir}/${newFileName}`,
provider: 'oss',
size,
owner: ctx.state.user.id,
}
const key = encodeURIComponent(file.key)
.replace(/%/g, '')
.slice(-100)
file.url = await uploadLocalFileToOss(file.path, key)
file.url = getFileUrl(file)
const f = await File.create(omit(file, 'path'))
const files = []
files.push(f)
ctx.body = invokeMap(files, 'toJSON')
})
.catch(() => {throw Boom.badData('大文件分片合并失败，请稍候重试~')
})
},
}
总结
本文讲述了大规格文件上传优化的一些做法，总结为以下 4 点：
- Blob.slice 将文件切片，并发上传多个切片，所有切片上传后告知服务器合并，实现大文件分片上传；
- 原生 XMLHttpRequest 的 onprogress 对切片上传进度的监听，实时获取文件上传进度；
- spark-md5 依据文件内容算出文件 MD5，失去文件惟一标识，与文件上传状态绑定；
- 分片上传前通过文件 MD5 查问已上传切片列表，上传时只上传未上传过的切片，实现断点续传。
