本文正在参加「金石计划」

• 本文略长，建议收藏，文末会附上完整前后端代码（vue2&vue3+springboot）
• 凑合算是一套解决方案吧😁😁😁
• 前端vscode大家都有，后端大家需要下载一个idea，搞一下maven，这一点可以请后端同事帮忙
• 对于普通的单个的大文件上传需求，应该可以应对
• 笔者本地测试，两三个G的大文件没有问题，线上嘛，你懂的

大文件上传问题描述

问题背景

笔者的一个好友上个月被裁，最近在面试求职，在面试时，最后一个问题是问他有没有做过大文件上传功能，我朋友说没做过…

现在的就业环境不太好，要求都比之前高一些，当然也有可能面试官刷面试KPI的，或者这个岗位不急着找人，慢慢面试呗。毕竟也算是自己的工作量，能写进周报里面…

对于我们每个人而言：【生于黑暗，追逐黎明————《异兽迷城》】

既然面试官会问，那咱们就一起来看看，大文件上传功能如何实现吧…

中等文件上传解决方案-nginx放行

在我们工作中，上传功能最常见的就是excel的上传功能，一般来说，一个excel的大小在10MB以内吧，如果有好几十MB的excel，就勉强算是中等文件吧，此时，我们需要设置nginx的client_max_body_size值，将其放开，只不过一次上传一个几十MB的文件，接口会慢一些，不过也勉强能够接受。

前端手握狼牙棒，后端手持流星锤，对产品朗声笑道：要是不能接受，就请忍受🙂🙂🙂

但是，如果一个文件有几百兆，或者好几个G呢？上述方式就不合适了。

既然一次性上传不行，那么咱们就把大文件拆分开来，进行分批、分堆、分片、一点点上传的操作，等上传完了，再将一片片文件合并一起，再恢复成原来的样子即可

最常见的这个需求，就是视频的上传，比如：腾讯视频创作平台、哔哩哔哩后台等…

大文件上传解决方案-文件分片

一共三步即可：

• 第一步，大文件拆分成一片又一片（分片操作）
• 第二步，每一次请求给后端带一片文件（分片上传）
• 第三步，当每一片文件都上传完，再发请求告知后端将分片的文件合并即可（合并分片）

文件分片操作大致可分为上述三步骤，但在这三步骤中，还有一些细节需要我们注意，这个后文中会一一说到，我们继续往下阅读

大文件上传效果图

为便于更好理解，我们看一下已经做好的效果图：

由上述效果图，我们可以看到，一个58MB的大文件，被分成了12片上传，很快啊！上传完成。

思考两个问题：

1. 若某个文件已经存在（曾经上传过），那我还需要上传吗？
2. 若同一时刻，两个人都在分片上传完大文件，并发起合并请求，如何才能保证不合并错呢？如A文件分片成a1,a2,a3；B文件分片成b1,b2,b3 。合并操作肯定不能把a1,a2,a3文件内容合并到B文件中去。

解决方案就是：

• 要告知后端我这次上传的文件是哪一个，下次上传的文件又是哪一个
• 就像我们去修改表格中的某条数据时，需要有一个固定的参数id，告知后端去update具体的那一条数据
• 知道具体的文件id，就不会操作错了

那新的问题又来了：

前端如何才能确定文件的id，如何才能得到文件的唯一标识？

如何得到文件唯一标识？

树上没有两片相同的叶子，天上没有两朵相同的云彩，文件是独一无二的（前提是内容不同，复制一份的不算）

who know？

spark-md5怪笑一声: 寡人知晓！

什么是spark-md5？

spark-md5是基于md5的一种优秀的算法，用处很多，其中就可以去计算文件的唯一身份证标识-hash值

• 只要文件内容不同(包含的二进制01不同)，那么使用spark-md5这个npm包包，得到的结果hash值就不一样
• 这个独一无二的hash值，就可以看做大文件的id
• 发请求时，就可以将这个大文件的hash值唯一id带着传给后端，后端就知道去操作那个文件了

当然还有别的工具库，如CryptoJS也可以计算文件的hash值，不过spark-md5更主流、更优秀

使用spark-md5直接计算整个文件的hash值（唯一id身份证标识）

直接计算一整个文件的hash值：

<script src="https://cdn.bootcdn.net/ajax/libs/spark-md5/3.0.2/spark-md5.min.js"></script>

<input type="file" @change="changeFile">
<script>
    const inputDom = document.querySelector('input') // 获取input文件标签的dom元素
    inputDom.onchange = (e) => {
        let file = inputDom.files[0] // 拿到文件
        let spark = new SparkMD5.ArrayBuffer() // 实例化spark-md5
        let fileReader = new FileReader() // 实例化文件阅读器
        fileReader.onload = (e) => {
            spark.append(e.target.result) // 添加到spark算法中计算
            let hash = spark.end() // 计算完成得到hash结果
            console.log('文件的hash值为:', hash);
        }
        fileReader.readAsArrayBuffer(file) // 开始阅读这个文件，阅读完成触发onload方法
    }
</script>

直接计算一个整文件的hash值，文件小的话，还是比较快的，但是当文件比较大的时，直接计算一整个文件的hash值，就会比较慢了。

此刻大文件分片的好处，再一次体现出来：大文件分片不仅仅可以用于发送请求传递给后端，也可以用于计算大文件的hash值，直接计算一个大文件hash值任务慢，那就拆分成一些小任务，这样效率也提升了不少

至此，又延伸出一个问题，如何给大文件分片？

当我们想解决一个A问题时，我们发现需要进一步，解决其中包含a1问题，当我们想要解决a1问题时，我们发现需要再进一步解决a1的核心a11问题。当a11问题被解决时，a1也就解决了，与此同时A问题也就迎刃而解了

给文件分片操作

• 文件分片，别名文件分堆，又名文件分块，也叫作文件拆分
• 类比，一个大的字符串可以截取slice（切割）成好几个小的字符串
• 同理，一个大文件也可以slice成好多小文件，对应api: file.slice
• 文件file是特殊的二进制blob文件（所以file可以用blob的方法）
• 上代码

const inputDom = document.querySelector('input') // 获取input文件标签的dom元素
inputDom.onchange = (e) => {
    let file = inputDom.files[0] // 拿到文件
    function sliceFn(file, chunkSize = 1 * 1024 * 1024) {
        const result = [];
        // 从第0字节开始切割，一次切割1 * 1024 * 1024字节
        for (let i = 0; i < file.size; i = i + chunkSize) {
            result.push(file.slice(i, i + chunkSize));
        }
        return result;
    }
    const chunks = sliceFn(file)
    console.log('文件分片成数组', chunks);
}

文件分片结果效果图（比如我选了一个5兆多的文件去分片）：

大文件分片后搭配spark-md5计算整个文件的hash值

有了上述分好片的chunks数组（数组中存放一片又一片小文件），再结合spark-md5，使用递归的写法，一片一片的再去读取计算，最终算出结果

/**
* chunks：文件分好片的数组、progressCallbackFn回调函数方法，用于告知外界进度的
* 因为文件阅读器是异步的，所以要套一层Promise方便拿到异步的计算结果
**/ 
function calFileMd5Fn(chunks, progressCallbackFn) {
    return new Promise((resolve, reject) => {
        let currentChunk = 0 // 准备从第0块开始读
        let spark = new SparkMD5.ArrayBuffer() // 实例化SparkMD5用于计算文件hash值
        let fileReader = new FileReader() // 实例化文件阅读器用于读取blob二进制文件
        fileReader.onerror = reject // 兜一下错
        fileReader.onload = (e) => {
            progressCallbackFn(Math.ceil(currentChunk / chunks.length * 100)) // 抛出一个函数，用于告知进度
            spark.append(e.target.result) // 将二进制文件追加到spark中（官方方法）
            currentChunk = currentChunk + 1 // 这个读完就加1，读取下一个blob
            // 若未读取到最后一块，就继续读取；否则读取完成，Promise带出结果
            if (currentChunk < chunks.length) {
                fileReader.readAsArrayBuffer(chunks[currentChunk])
            } else {
                resolve(spark.end()) // resolve出去告知结果 spark.end官方api
            }
        }
        // 文件读取器的readAsArrayBuffer方法开始读取文件，从blob数组中的第0项开始
        fileReader.readAsArrayBuffer(chunks[currentChunk])
    })
}

使用：

inputDom.onchange = (e) => {
    let file = inputDom.files[0]
    function sliceFn(file, chunkSize = 1 * 1024 * 1024) {
        const result = [];
        for (let i = 0; i < file.size; i = i + chunkSize) {
            result.push(file.slice(i, i + chunkSize));
        }
        return result;
    }
    const chunks = sliceFn(file)
    // 分好片的大文件数组，去计算hash。progressFn为进度条函数，需额外定义
    const hash = await calFileMd5Fn(chunks,progressFn)
    // "233075d0c65166792195384172387deb" // 32位的字符串
}

至此，我们大文件分片上传操作，已经完成了三分之一了。我们已经完成了大文件的分片和计算大文件的hash值唯一身份证id（实际上，计算大文件的hash值，还是挺耗费时长的，优化方案就是开一个辅助线程进行异步计算操作，不过这个是优化的点，文末会提到）

接下来，就到了第二步，发请求环节：将已经分好片的每一片和这个大文件的hash值作为参数传递给后端（当然还有别的参数，比如文件名、文件分了多少片，每次上传的是那一片【索引】等—看后端定义）

大文件上传解决方案：

• 第一步，大文件拆分成一片又一片（分片操作）✔️
• 第二步，每一次请求给后端带一片文件（分片上传）
• 第三步，当每一片文件都上传完，再发请求告知后端将分片的文件合并即可

分片上传发请求，一片就是一请求

诗曰：

分片上传发请求，一片就是一请求。

请求之前带校验，这样操作才规范。

分片上传请求前的校验请求

校验逻辑思路如下：

• 大文件分好片以后，在分片文件上传前，先发个请求带着大文件的唯一身份证标识hash值，去问问后端有没有上传过这个文件，或者服务端的这个文件是否上传完整（比如曾经上传一半的时候，突然断网了，或者刷新网页导致上传中断）
• 后端去看看已经操作完成的文件夹中的文件，有没有叫做这个hash的，根据有没有返回不同的状态码

比如，如下状态码：

• 等于0表示没有上传过，直接上传
• 等于1曾经上传过，不需要再上传了（或：障眼法文件秒传递）
• 等于2表示曾经上传过一部分，现在要继续上传

对应前端代码：

以下代码举例是vue3的语法举例，大家知道每一步做什么即可，文章看完，建议大家去笔者的github仓库把前后端代码，都拉下来跑起来，结合代码中的注释，才能够更好的理解

html结构

<template>
  <div id="app">
    <input ref="inputRef" class="inputFile" type="file" @change="changeFile" />
    <div>大文件 <span class="bigFileC">📁</span> 分了{{ chunksCount }}片:</div>
    <div class="pieceItem" v-for="index in chunksCount" :key="index">
      <span class="a">{{ index - 1 }}</span>
      <span class="b">📄</span>
    </div>
    <div>计算此大文件的hash值进度</div>
    <div class="r">结果为: {{ fileHash }}</div>
    <progress max="100" :value="hashProgress"></progress> {{ hashProgress }}%
    <div>
      <div>上传文件的进度</div>
      <div class="r" v-show="fileProgress == 100">文件上传完成</div>
      <progress max="100" :value="fileProgress"></progress> {{ fileProgress }}%
    </div>
  </div>
</template>

发校验请求

/**
 * 发请求，校验文件是否上传过，分三种情况：见：fileStatus
 * */
export function checkFileFn(fileMd5) {
    return new Promise((resolve, reject) => {
        resolve(axios.post(`http://127.0.0.1:8686/bigfile/check?fileMd5=${fileMd5}`))
    })
}

const res = await checkFileFn(fileMd5);
// res.data.resultCode 为0 或1 或2

对应后端代码：

笔者后端代码是springboot，文末会附上代码，大家看一下

private String fileStorePath = "F:\kkk\"; // 大文件上传操作在F盘下的kkk文件夹中操作

/**
 * @param fileMd5
 * @Title: 判断文件是否上传过，是否存在分片，断点续传
 * @MethodName: checkBigFile
 * @Exception
 * @Description: 文件已存在，1
 * 文件没有上传过，0
 * 文件上传中断过，2 以及现在有的数组分片索引
 */
 
@RequestMapping(value = "/check", method = RequestMethod.POST)
@ResponseBody
public JsonResult checkBigFile(String fileMd5) {
    JsonResult jr = new JsonResult();
    // 秒传
    File mergeMd5Dir = new File(fileStorePath + "/" + "merge" + "/" + fileMd5);
    if (mergeMd5Dir.exists()) {
        mergeMd5Dir.mkdirs();
        jr.setResultCode(1);//文件已存在
        return jr;
    }
    // 读取目录里的所有文件
    File dir = new File(fileStorePath + "/" + fileMd5);
    File[] childs = dir.listFiles();
    if (childs == null) {
        jr.setResultCode(0);//文件没有上传过
    } else {
        jr.setResultCode(2);//文件上传中断过，除了状态码为2，还有已上传的文件分片索引
        List<String> list = Arrays.stream(childs).map(f->f.getName()).collect(Collectors.toList());
        jr.setResultData(list.toArray());
    }
    return jr;
}

前端根据接口的状态码，作相应控制，没上传过正常操作，曾经上传过了，就做个提示文件已上传。这里需要特别注意一下，曾经上传中断的情况

特别情况：当前上传的文件曾经中断过（断点续传）

我们来捋一下逻辑就明晰了：

• 假设一个大文件分为了10片，对应文件片的索引是0~9
• 在执行上传的时候，发了10个请求，分别带上对应的索引文件片
• 由于不可抗力因素，导致只上传成功了3片文件，分别是索引0、索引8、索引9
• 还有索引1、2、3、4、5、6、7这七片文件没上传成功
• 那么在检查文件时，后端除了返回状态码2，同时也返回后端已经上传成功的片的索引有哪些
• 即：{resultCode:2 , resultData:[0,8,9]}
• 我们在执行上传文件操作时候，去掉这三个已经上传完成的即可，上传那些未完成的

// 等于2表示曾经上传过一部分，现在要继续上传
if (res.data.resultCode == 2) {
    // 若是文件曾上传过一部分，后端会返回上传过得部分的文件索引，前端通过索引可以知道哪些
    // 上传过，做一个过滤，已上传的文件就不用继续上传了，上传未上传过的文件片
    doneFileList = res.data.resultData.map((item) => {
      return item * 1; // 后端给到的是字符串索引，这里转成数字索引
    });
}

doneFileList数组存储的就是后端返回的，曾经上传过一部分的数组分片文件索引

比如下面这两张图，就是文件曾经上传中断以后的，再次上传的检查接口返回的数据

示例图一：

返回的是分片文件的名，也就是分片的索引，如下图：

前端根据doneFileList判断，去准备参数

  // 说明没有上传过，组装一下，直接使用
  if (doneFileList.length == 0) {
    formDataList = chunks.map((item, index) => {
      // 后端接参大致有：文件片、文件分的片数、每次上传是第几片(索引)、文件名、此完整大文件hash值
      // 具体后端定义的参数prop属性名，看他们如何定义的，这个无妨...
      let formData = new FormData();
      formData.append("file", item); // 使用FormData可以将blob文件转成二进制binary
      formData.append("chunks", chunks.length);
      formData.append("chunk", index);
      formData.append("name", fileName);
      formData.append("md5", fileMd5);
      return { formData };
    });
  }
  // 说明曾经上传过，需要过滤一下，曾经上传过的就不用再上传了
  else {
    formDataList = chunks
      .filter((index) => {
        return !doneFileList.includes(index);
      })
      .map((item, index) => {
        let formData = new FormData();
        // 这几个是后端需要的参数
        formData.append("file", item); // 使用FormData可以将blob文件转成二进制binary
        formData.append("chunks", chunks.length);
        formData.append("chunk", index);
        formData.append("name", fileName);
        formData.append("md5", fileMd5);
        return { formData };
      });
  }
  // 带着分片数组请求参数，和文件名 fileName = file.name
  // 准备一次并发很多的请求
  fileUpload(formDataList, fileName);

上述代码实现了，正常上传以及曾经中断过的文件继续上传，这就是断点续传

上述代码实现了，正常上传以及曾经中断过的文件继续上传，这就是断点续传

上述代码实现了，正常上传以及曾经中断过的文件继续上传，这就是断点续传

使用Promise.allSettled(arr)并发上传分好片的文件

• 使用Promise.allSettled发请求好一些，挂了的就挂了，不影响后续不挂的分片上传请求
• Promise.all则不行，一个挂了都挂了

前端代码

const fileUpload = (formDataList, fileName) => {
  const requestListFn = formDataList.map(async ({ formData }, index) => {
    const res = await sliceFileUploadFn(formData);
    // 每上传完毕一片文件，后端告知已上传了多少片，除以总片数，就是进度
    fileProgress.value = Math.ceil(
      (res.data.resultData / chunksCount.value) * 100
    );
    return res;
  });
  // 使用allSettled发请求好一些，挂了的就挂了，不影响后续不挂的请求
  Promise.allSettled(requestListFn).then((many) => {
    // 都上传完毕了，文件上传进度条就为100%了
  });
};

后端代码

/**
 * 上传文件
 * @param param
 * @param request
 * @return
 * @throws Exception
 */
@RequestMapping(value = "/upload", method = RequestMethod.POST)
@ResponseBody
public JsonResult filewebUpload(MultipartFileParam param, HttpServletRequest request) {
    JsonResult jr = new JsonResult();
    boolean isMultipart = ServletFileUpload.isMultipartContent(request);
    // 文件名
    String fileName = param.getName();
    // 文件每次分片的下标
    int chunkIndex = param.getChunk();
    if (isMultipart) {
        File file = new File(fileStorePath + "/" + param.getMd5());
        if (!file.exists()) { // 没有文件创建文件
            file.mkdir();
        }
        File chunkFile = new File(
                fileStorePath + "/" + param.getMd5() + "/" + chunkIndex);
        try {
            FileUtils.copyInputStreamToFile(param.getFile().getInputStream(), chunkFile); // 流文件操作
        } catch (Exception e) {
            jr.setResultCode(-1);
            e.printStackTrace();
        }
    }
    logger.info("文件-:{}的小标-:{},上传成功", fileName, chunkIndex);
    File dir = new File(fileStorePath + "/" + param.getMd5());
    File[] childs = dir.listFiles();
    if(childs!=null){
        jr.setResultData(childs.length); // 返回上传了几个，即为上传进度
    }
    return jr;
}

最后别忘了去合并这些文件分片

添一个上传文件的效果图

• 由上述动态图，我们可以看到把文件切割成了12份，所以发送了12个上传分片请求
• 当然，上传完成以后，最后，再发一个请求，告知后端去合并这些一片片文件即可
• 即merge请求，当然也要带上此大文件的hash值
• 告知后端具体合并哪一个文件，这样才不会出错

前端代码

// 使用allSettled发请求好一些，挂了的就挂了，不影响后续不挂的请求
Promise.allSettled(requestListFn).then(async (many) => {
    // 都上传完毕了，文件上传进度条就为100%了
    fileProgress.value = 100;
    // 最后再告知后端合并一下已经上传的文件碎片了即可
    const loading = ElLoading.service({
      lock: true,
      text: "文件合并中，请稍后📄📄📄...",
      background: "rgba(0, 0, 0, 0.7)",
    });
    const res = await tellBackendMergeFn(fileName, fileHash.value);
    if (res.data.resultCode === 0) {
      console.log("文件并合成功,大文件上传任务完成");
      loading.close();
    } else {
      console.log("文件并合失败,大文件上传任务未完成");
      loading.close();
    }
});

后端代码

    /**
     * 分片上传成功之后，合并文件
     * @param request
     * @return
     */
    @RequestMapping(value = "/merge", method = RequestMethod.POST)
    @ResponseBody
    public JsonResult filewebMerge(HttpServletRequest request) {
        FileChannel outChannel = null;
        JsonResult jr = new JsonResult();
        int code =0;
        try {
            String fileName = request.getParameter("fileName");
            String fileMd5 = request.getParameter("fileMd5");
            // 读取目录里的所有文件
            File dir = new File(fileStorePath + "/" + fileMd5);
            File[] childs = dir.listFiles();
            if (Objects.isNull(childs) || childs.length == 0) {
                jr.setResultCode(-1);
                return jr;
            }
            // 转成集合，便于排序
            List<File> fileList = new ArrayList<File>(Arrays.asList(childs));
            Collections.sort(fileList, new Comparator<File>() {
                @Override
                public int compare(File o1, File o2) {
                    if (Integer.parseInt(o1.getName()) < Integer.parseInt(o2.getName())) {
                        return -1;
                    }
                    return 1;
                }
            });
            // 合并后的文件
            File outputFile = new File(fileStorePath + "/" + "merge" + "/" + fileMd5 + "/" + fileName);
            // 创建文件
            if (!outputFile.exists()) {
                File mergeMd5Dir = new File(fileStorePath + "/" + "merge" + "/" + fileMd5);
                if (!mergeMd5Dir.exists()) {
                    mergeMd5Dir.mkdirs();
                }
                logger.info("创建文件");
                outputFile.createNewFile();
            }
            outChannel = new FileOutputStream(outputFile).getChannel();
            FileChannel inChannel = null;
            try {
                for (File file : fileList) {
                    inChannel = new FileInputStream(file).getChannel();
                    inChannel.transferTo(0, inChannel.size(), outChannel);
                    inChannel.close();
                    // 删除分片
                    file.delete();
                }
            } catch (Exception e) {
                code =-1;
                e.printStackTrace();
                //发生异常，文件合并失败 ，删除创建的文件
                outputFile.delete();
                dir.delete();//删除文件夹
            } finally {
                if (inChannel != null) {
                    inChannel.close();
                }
            }
            dir.delete(); //删除分片所在的文件夹
        } catch (IOException e) {
            code =-1;
            e.printStackTrace();
        } finally {
            try {
                if (outChannel != null) {
                    outChannel.close();
                }
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
        jr.setResultCode(code);
        return jr;
    }
}

至此，大文件上传的三步都完成了

大文件上传解决方案：

• 第一步，大文件拆分成一片又一片（分片操作）✔️
• 第二步，每一次请求给后端带一片文件（分片上传）✔️
• 第三步，当每一片文件都上传完，再发请求告知后端将分片的文件合并即可✔️

• 笔者用本机测试了一下，两三个G的文件都是没有问题的
• 实际项目上线，大文件上传功能，会受到网络带宽、设备性能等各种因素影响
• 一定要注意文件分片时切分的大小，例：CHUNK_SIZE = 5 * 1024 * 1024;
• 这个文件的大小决定了切割多少片，决定了并发多少请求（不可过大，也不可能非常小）
• 太大单个请求就太慢了，太小浏览器一次发几千上万个请求，也扛不住

辅助线程去优化

开启辅助线程计算大文件的hash值

首先，定义函数异步，开启辅助线程，计算

const calFileMd5ByThreadFn = (chunks) => {
  return new Promise((resolve) => {
    worker = new Worker("./hash.js"); // 实例化一个webworker线程
    worker.postMessage({ chunks }); // 主线程向辅助线程传递数据，发分片数组用于计算
    worker.onmessage = (e) => {
      const { hash } = e.data; // 辅助线程将相关计算数据发给主线程
      hashProgress.value = e.data.hashProgress; // 更改进度条
      if (hash) {
        // 当hash值被算出来时，就可以关闭主线程了
        worker.terminate();
        resolve(hash); // 将结果带出去
      }
    };
  });
};

然后，在public目录下新建hash.js去撰写辅助线程代码

// 使用importScripts引入cdn使用
self.importScripts('https://cdn.bootcdn.net/ajax/libs/spark-md5/3.0.2/spark-md5.min.js')
self.onmessage = e => {
    const { chunks } = e.data // 获取到分片数组
    const spark = new self.SparkMD5.ArrayBuffer() // 实例化spark对象用于计算文件hash
    let currentChunk = 0
    let fileReader = new FileReader()
    fileReader.onload = (e) => {
        spark.append(e.target.result)
        currentChunk = currentChunk + 1
        if (currentChunk < chunks.length) {
            fileReader.readAsArrayBuffer(chunks[currentChunk])
            // 未曾计算完只告知主线程计算进度
            self.postMessage({
                hashProgress: Math.ceil(currentChunk / chunks.length * 100)
            })
        } else {
            // 计算完了进度和hash结果就都可以告知了
            self.postMessage({
                hash: spark.end(),
                hashProgress: 100
            })
            self.close();
        }
    }
    fileReader.readAsArrayBuffer(chunks[currentChunk])
}

使用的话，直接传递分好片文件数组参数即可

const fileMd5 = await calFileMd5ByThreadFn(chunks); // 根据分片计算
console.log('hash',fileMd5) // 得出此大文件的hash值了

单纯计算加减乘除啥的倒是可以使用vue-worker这个插件，参见笔者之前的文章：juejin.cn/post/719847…

这样的话，速度就会快一些了…

附录

大文件上传流程图

• 当我们把上述文章读完以后，一个大文件上传的流程图就清晰的浮现在我们的脑海中了
• 笔者用processOn画了一个流程图，如下：

代码仓库

代码仓库：github.com/shuirongshu…

欢迎star，您的认可是咱创作的动力哦

当下后端代码是java同事涛哥提供的，感谢之。

后续空闲了（star多了），笔者再补充node版本的后端代码吧

参考资料

• webuploader（百度团队开源项目）：fex.baidu.com/webuploader…
• 大文件上传：juejin.cn/post/717704…
• Buzut：github.com/Buzut/huge-…

思考

• 到这里的话，普通公司的大文件上传需求（一次上传一个），基本上凑合解决
• 本文的内容也应该基本上能应付面试官了
• 但是如何才能自己做到类似百度网盘那种上传效果？请研究webuploader源码
• 道阻且长，还是需要我们持续优化的…