上一篇文章
【文件上传系列】No.1 大文件分片、进度图展示(原生前端 + Node 后端 & Koa)
秒传效果展示
秒传思路
整理的思路是:根据文件的二进制内容生成
Hash
值,然后去服务器里找,如果找到了,说明已经上传过了,所以又叫做秒传(笑)
整理文件夹、path.resolve()
介绍
接着上一章的内容,因为前端和后端的服务都写在一起了,显得有点凌乱,所以我打算分类一下
改了文件路径的话,那么各种引用也要修改,引用就很好改了,这里就不多说了
这里讲一下 path
的修改,为了方便修改 path
,引用了 path
依赖,使用 path.resolve()
方法就很舒服的修改路径,常见的拼接方法如下图测试:(如果不用这个包依赖的话,想一下如何返回上一个路径呢?可能使用 split('/)[1]
类似这种方法吧。)
会使用这个包依赖之后就可以修改服务里的代码了:
200
页面正常!资源也都加载了!
前端
思路
具体思路如下
- 计算文件整体
hash
,因为不同的文件,名字可能相同,不具有唯一性,所以根据文件内容计算出来的hash
值比较靠谱,并且为下面秒传做准备。- 利用 web-worker 线程:因为如果是很大的文件,那么分块的数量也会很多,读取文件计算
hash
是非常耗时消耗性能的,这样会使页面阻塞卡顿,体验不好,解决的一个方法是,我们开一个新线程来计算hash
工作者线程简介
《高级JavaScript程序设计》27 章简介:
工作者线程的数据传输如下:
注意在 worker
中引入的脚本也是个请求!
// index.html
function handleCalculateHash(fileChunkList) {
let worker = new Worker('./hash.js');
worker.postMessage('你好 worker.js');
worker.onmessage = function (e) {
console.log('e:>>', e);
};
}
handleCalculateHash();
// worker.js
self.onmessage = (work_e) => {
console.log('work_e:>>', work_e);
self.postMessage('你也好 index.html');
};
计算整体文件 Hash
前端拿到
Blob
,然后通过fileReader
转化成ArrayBuffer
,然后用append()
方法灌入SparkMD5.ArrayBuffer()
实例中,最后SparkMD5.ArrayBuffer().end()
拿到hash
结果
SparkMD5 计算 Hash 性能简单测试
js-spark-md5 的 github 地址
配置 x99 2643v3
六核十二线程 基础速度:3.4GHz
,睿频 3.6GHz
,只测试了一遍。
// 计算时间的代码
self.onmessage = (e) => {
const {
data } = e;
self.postMessage('你也好 index.html');
const spark = new SparkMD5.ArrayBuffer();
const fileReader = new FileReader();
const blob = data[0].file;
fileReader.readAsArrayBuffer(blob);
fileReader.onload = (e) => {
console.time('append');
spark.append(e.target.result);
console.timeEnd('append');
spark.end();
};
};
工作者线程:计算 Hash
这里有个注意点,就是我们一定要等到 fileReader.onload
读完一个 chunk 之后再去 append
下一个块,一定要注意这个顺序,我之前想当然写了个如下的错误版本,就是因为回调函数 onload
还没被调用(文件没有读完),我这里只是定义了回调函数要干什么,但没有保证顺序是一块一块读的。
// 错误版本
const chunkLength = data.length;
let curr = 0;
while (curr < chunkLength) {
const blob = data[curr].file;
curr++;
const fileReader = new FileReader();
fileReader.readAsArrayBuffer(blob);
fileReader.onload = (e) => {
spark.append(e.target.result);
};
}
const hash = spark.end();
console.log(hash);
如果想保证在回调函数内处理问题,我目前能想到的办法:一种方法是递归
,另一种方法是配合 await
这个是非递归版本的,比较好理解。
// 非递归版本
async function handleBlob2ArrayBuffer(blob) {
return new Promise((resolve) => {
const fileReader = new FileReader();
fileReader.readAsArrayBuffer(blob);
fileReader.onload = function (e) {
resolve(e.target.result);
};
});
}
self.onmessage = async (e) => {
const {
data } = e;
self.postMessage('你也好 index.html');
const spark = new SparkMD5.ArrayBuffer();
for (let i = 0, len = data.length; i < len; i++) {
const eachArrayBuffer = await handleBlob2ArrayBuffer(data[i].file);
spark.append(eachArrayBuffer); // 这个是同步的,可以 debugger 打断点试一试。
}
const hash = spark.end();
};
递归的版本代码比较简洁
// 递归版本
self.onmessage = (e) => {
const {
data } = e;
console.log(data);
self.postMessage('你也好 index.html');
const spark = new SparkMD5.ArrayBuffer();
function loadNext(curr) {
const fileReader = new FileReader();
fileReader.readAsArrayBuffer(data[curr].file);
fileReader.onload = function (e) {
const arrayBuffer = e.target.result;
spark.append(arrayBuffer);
curr++;
if (curr < data.length) {
loadNext(curr);
} else {
const hash = spark.end();
console.log(hash);
return hash;
}
};
}
loadNext(0);
};
我们在加上计算 hash
进度的变量 percentage
就差不多啦
官方建议用小切块计算体积较大的文件,点我跳转官方包说明
ok 这个工作者线程的整体代码如下:
importScripts('./spark-md5.min.js');
/** * 功能:blob 转换成 ArrayBuffer * @param {*} blob * @returns */
async function handleBlob2ArrayBuffer(blob) {
return new Promise((resolve) => {
const fileReader = new FileReader();
fileReader.readAsArrayBuffer(blob);
fileReader.onload = function (e) {
resolve(e.target.result);
};
});
}
/** * 功能:求整个文件的 Hash * - self.SparkMD5 和 SparkMD5 都一样 * - 1. FileReader.onload 处理 load 事件。该事件在读取操作完成时触发。 * - 流程图展示 * - 注意这里的 percentage += 100 / len; 的位置,要放到后面 * - 因为如果是小文件的话,块的个数可能是1,最后 100/1 就直接是 100 了 * ┌────┐ ┌───────────┐ ┌────┐ * │ │ Object fileReader │ │ new SparkMD5.ArrayBuffer() │ │ * │Blob│ ────────────────────────────────► │ArrayBuffer│ ───────────────┬──────────────────► │Hash│ * │ │ Method readAsArrayBuffer │ │ append() └────► end() │ │ * └────┘ └───────────┘ └────┘ */
self.onmessage = async (e) => {
const {
data } = e;
const spark = new SparkMD5.ArrayBuffer();
let percentage = 0;
for (let i = 0, len = data.length; i < len; i++) {
const eachArrayBuffer = await handleBlob2ArrayBuffer(data[i].file);
percentage += 100 / len;
self.postMessage({
percentage,
});
spark.append(eachArrayBuffer);
}
const hash = spark.end();
self.postMessage({
percentage: 100,
hash,
});
self.close();
};
主线程调用 Hash 工作者线程
把处理 hash
的函数包裹成 Promise
,前端处理完 hash
之后传递给后端
把每个chunk
的包裹也精简了一下,只传递 Blob
和 index
再把后端的参数调整一下
最后我的文件结构如下:
添加 hash 进度
简单写一下页面,效果如下:
后端
接口:判断秒传
写一个接口判断一下是否存在即可
/** * 功能:验证服务器中是否存在文件 * - 1. 主要是拼接的任务 * - 2. ext 的值前面是有 . 的,注意一下。我之前合并好的文件 xxx..mkv 有两个点... * - 导致 fse.existsSync 怎么都找不到,哭 * @param {*} req * @param {*} res * @param {*} MERGE_DIR */
async handleVerify(req, res, MERGE_DIR) {
const postData = await handlePostData(req);
const {
fileHash, fileName } = postData;
const ext = path.extname(fileName);
const willCheckMergedName = `${
fileHash}${
ext}`;
const willCheckPath = path.resolve(MERGE_DIR, willCheckMergedName);
if (fse.existsSync(willCheckPath)) {
res.end(
JSON.stringify({
code: 0,
message: 'existed',
})
);
} else {
res.end(
JSON.stringify({
code: 1,
message: 'no exist',
})
);
}
}
前端这边在 hash
计算后把结果传给后端,让后端去验证
秒传就差不多啦!
参考文章
- path.resolve() 解析
- 字节跳动面试官:请你实现一个大文件上传和断点续传
- 《高级JavaScript设计》第四版:第 27 章
- Spark-MD5
- 布隆过滤器
今天的文章前端上传file文件_nodejs 文件上传「建议收藏」分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/86677.html