一线大厂高级前端编写,前端初中阶面试题,帮助初学者应聘,需要联系微信:javadudu

一文吃透👉大文件分片上传、断点续传、秒传⏫

本节来聊聊前端分片上传、断点续传、秒传的功能实现。

写了个小案例:前端是React;后端是学了一天半的Nest.js😅,写的可能不是很好,实际感觉难点在后端,很多文件读写操作。

这个小案例中包括了jwt认证、文件上传下载功能等,也实现了本节的重点分片上传、断点续传、秒传功能。

前言

如标题所见,本文要讲的是大文件的分片上传、断点续传和秒传三个功能,而实际上断点续传和秒传都是基于分片上传扩展的功能

  • 分片上传原理:客户端将选择的文件进行切分,每一个分片都单独发送请求到服务端;
  • 断点续传 & 秒传原理:客户端发送请求询问服务端某文件的上传状态,服务端响应该文件已上传分片,客户端再将未上传分片上传即可;
    • 如果没有需要上传的分片就是秒传;
    • 如果有需要上传的分片就是断点续传;
  • 每个文件要有自己唯一的标识,这个标识就是将整个文件进行MD5加密,这是一个Hash算法,将加密后的Hash值作为文件的唯一标识;
    • 使用spark-md5第三方工具库

前端整体流程

如下图所示是前端分片上传的整体流程:

  • 第一步:将文件进行分片,并计算其Hash值(文件的唯一标识)
  • 第二步:发送请求,询问服务端文件的上传状态
  • 第三步:根据文件上传状态进行后续上传
    • 文件已经上传过了
      • 结束 — 秒传功能
    • 文件存在,但分片不完整
      • 将未上传的分片进行上传 — 断点续传功能
    • 文件不存在
      • 将所有分片上传
  • 第四步:文件分片全部上传后,发送请求通知服务端合并文件分片

一文吃透👉大文件分片上传、断点续传、秒传⏫

前端详细流程

接下来就是最关键的实现部分了

分片上传入口

当我们选择一个要上传的文件后,点击上传触发上传回调函数,上传的回调函数需要如下参数:

/**
 * @param {File} targetFile 目标上传文件
 * @param {number} baseChunkSize 上传分块大小,单位Mb
 * @param {string} uploadUrl 上传文件的后端接口地址
 * @param {string} vertifyUrl 验证文件上传的接口地址
 * @param {string} mergeUrl 请求进行文件合并的接口地址
 * @param {Function} progress_cb 更新上传进度的回调函数
 * @returns {Promise}
 */

接下来先给出大致代码思路然后逐一完善:

async function uploadFile(file, baseChunkSize, uploadUrl, vertifyUrl, mergeUrl, progress_cb) {
  1. 将文件进行分片并计算Hash值
         得到 allChunkList---所有分片   fileHash---文件的hash值
  2. 通过fileHash请求服务端,判断文件上传状态
         得到 neededFileList---待上传文件分片
  3. 同步上传进度,针对不同文件上传状态调用 progress_cb
  4. 发送上传请求
  5. 发送文件合并请求
}

文件分片 & Hash计算

/**
 * 将目标文件分片 并 计算文件Hash
 * @param {File} targetFile 目标上传文件
 * @param {number} baseChunkSize 上传分块大小,单位Mb
 * @returns {chunkList:ArrayBuffer,fileHash:string}
 */
async function sliceFile(targetFile, baseChunkSize = 1) {
  return new Promise((resolve, reject) => {
    //初始化分片方法,兼容问题
    let blobSlice = File.prototype.slice || File.prototype.mozSlice || File.prototype.webkitSlice;
    //分片大小 baseChunkSize Mb
    let chunkSize = baseChunkSize * 1024 * 1024;
    //分片数
    let targetChunkCount = targetFile && Math.ceil(targetFile.size / chunkSize);
    //当前已执行分片数
    let currentChunkCount = 0;
    //当前以收集的分片
    let chunkList = [];
    //创建sparkMD5对象
    let spark = new SparkMD5.ArrayBuffer();
    //创建文件读取对象
    let fileReader = new FileReader();
    let fileHash = null;

    //FilerReader onload事件
    fileReader.onload = (e) => {
      //当前读取的分块结果 ArrayBuffer
      const curChunk = e.target.result;
      //将当前分块追加到spark对象中
      spark.append(curChunk);
      currentChunkCount++;
      chunkList.push(curChunk);
      //判断分块是否全部读取成功
      if (currentChunkCount >= targetChunkCount) {
        //全部读取,获取文件hash
        fileHash = spark.end();
        resolve({ chunkList, fileHash });
      } else {
        loadNext();
      }
    };

    //FilerReader onerror事件
    fileReader.onerror = () => {
      reject(null);
    };

    //读取下一个分块
    const loadNext = () => {
      //计算分片的起始位置和终止位置
      const start = chunkSize * currentChunkCount;
      let end = start + chunkSize;
      if (end > targetFile.size) {
        end = targetFile.size;
      }
      //读取文件,触发onLoad
      fileReader.readAsArrayBuffer(blobSlice.call(targetFile, start, end));
    };

    loadNext();
  });
}

分片上传入口完善

async function uploadFile(file, baseChunkSize, uploadUrl, vertifyUrl, mergeUrl, progress_cb) {
  const { chunkList, fileHash } = await sliceFile(file, baseChunkSize);
  //所有分片 ArrayBuffer[]
  let allChunkList = chunkList;
  //需要上传的分片序列 number[]
  let neededChunkList = [];
  //上传进度
  let progress = 0;
  //发送请求,获取文件上传状态
  if (vertifyUrl) {
    const { data } = await requestInstance.post(vertifyUrl, {
      fileHash,
      totalCount: allChunkList.length,
      extname: '.' + file.name.split('.').pop(),
    });
    const { neededFileList, message } = data;
    if (message) console.info(message);
    //无待上传文件,秒传
    if (!neededFileList.length) {
      progress_cb(100);
      return;
    }

    //部分上传成功,更新unUploadChunkList
    neededChunkList = neededFileList;
  }

  //同步上传进度,断点续传情况下
  progress = ((allChunkList.length - neededChunkList.length) / allChunkList.length) * 100;

  //上传
  if (allChunkList.length) {
    const requestList = allChunkList.map(async (chunk, index) => {
      if (neededChunkList.includes(index + 1)) {
        const response = await uploadChunk(chunk, index + 1, fileHash, uploadUrl);
        //更新进度
        progress += Math.ceil(100 / allChunkList.length);
        if (progress >= 100) progress = 100;
        progress_cb(progress);
        return response;
      }
    });
    Promise.all(requestList).then(() => {
      //发送请求,通知后端进行合并 //后缀名可通过其他方式获取,这里以.mp4为例
      requestInstance.post(mergeUrl, { fileHash, extname: '.mp4' });
    });
  }
}

在上传时我们调用了uploadChunk()方法,由于我们的请求不仅包含文件,还包含分片索引以及hash值,因此我们的请求体应该是formData,还有一点需要就是此时我们传入的chunk的类型是ArrayBuffer,而formData中文件的类型应该是Blob 具体代码如下:

async function uploadChunk(chunk, index, fileHash, uploadUrl) {
  let formData = new FormData();
  //注意这里chunk在之前切片之后未ArrayBuffer,而formData接收的数据类型为 blob|string
  formData.append('chunk', new Blob([chunk]));
  formData.append('index', index);
  formData.append('fileHash', fileHash);
  return requestInstance.post(uploadUrl, formData);
}

前后端代码流程一览

可能你看完前面还是不是很了解分片上传到底是如何工作的,这里我先给出一个示例,方便你更好的理解文件在后端是怎么变化的;

示例:假设此时我们上传一个10Mb的文件,分片大小为5MB,那么前端将传输两个分片;

    1. 服务端接收到一个请求,请求包含分片文件,整个文件的hash,以及分片的索引
    1. 然后服务端将会创建一个文件夹,文件夹名为hash值;
    1. 然后将分片命名为chunk-文件索引保存在文件夹中;
  • 上述三个步骤就是我们判断文件上传状态的依据,我们只需要知道文件的hash以及文件的总分块数就可以判断了;

现在你是不是清楚多了,实际上前端的逻辑并不复杂,但是整个过程涉及多个请求,这样我们就要搞清楚后端到底干了什么才能更清楚的理解!

现在给出一个代码流程图,你应该能更清楚的了解整个过程了:
一文吃透👉大文件分片上传、断点续传、秒传⏫

优化

至此我们已经实现了文件分片上传、断点续传、秒传的功能,不过还可以优化;

要知道当文件非常大的时候,我们计算其Hash值是十分耗时的,为了解决Hash计算耗时问题,我们可以采取以下优化方案:

  • 使用Web Worker,不占用主线程资源,在后台线程中计算;
  • 不再Hash整个文件,而是采用一些其他策略;

Web Worker

./sliceUpload.js

async function uploadFile(file, baseChunkSize, uploadUrl, vertifyUrl, mergeUrl, progress_cb) {
  //创建文件分片Worker
  const sliceFileWorker = new Worker(new URL('./sliceFileWorker.js', import.meta.url), { type: 'module' });
  //将文件以及分块大小通过postMessage发送给sliceFileWorker线程
  sliceFileWorker.postMessage({ targetFile: file, baseChunkSize })、
  //分片处理完之后触发onmessage事件
  sliceFileWorker.onmessage = async (e) => {
    //获取处理结果
    const { chunkList, fileHash } = e.data;
    //后续代码与之前一样
    ...
  }
}

./sliceFileWorker.js

self.onmessage = async (e) => {
  //获取文件以及分块大小传输
  const { targetFile, baseChunkSize } = e.data;
  //分片并计算Hash
  const { chunkList, fileHash } = await sliceFile(targetFile, baseChunkSize);
  //将计算结果通过postMessage发送给主线程
  self.postMessage({ chunkList, fileHash });
}

async function sliceFile(targetFile, baseChunkSize = 1) {
    //与之前一样
    ...
}

Hash策略

我们不一定非要Hash整个文件,可以采用以下策略:

  • 仅Hash文件的第一个分片 + 中间分片的首尾n字节 + 最后一个分片

一文吃透👉大文件分片上传、断点续传、秒传⏫

总结

文件的分片上传功能的注意点:

  • 利用 FileReader.onload 读取分片,利用 spark-md5 第三方库对文件进行hash计算
  • formData 类型的请求体中,文件等二进制数据应以 Blob 类型传输
  • Promise.all 中获取请求进度可以使用回调来更新进度;
  • 后端代码编写时要正确的区分文件和文件夹的区别;

原文链接:https://juejin.cn/post/7324140839780433932 作者:Ys_OoO

(0)
上一篇 2024年1月16日 上午10:16
下一篇 2024年1月16日 上午10:26

相关推荐

发表评论

登录后才能评论