一个企业级的文件上传组件应该是什么样的

目录

1.最简单的文件上传

2.拖拽+粘贴+样式优化

3.断点续传+秒传+进度条

文件切片

计算hash

断点续传+秒传(前端)

断点续传+秒传(后端)

进度条

4.抽样hash和webWorker

抽样hash(md5)

webWorker

时间切片

5.文件类型判断

通过文件头判断文件类型

6.异步并发数控制(重要)

7.并发错误重试

8.慢启动控制

9.碎片清理

后记

参考资料

---

本文适合有一定node后端基础的前端同学,如果对后端完全不了解请恶补前置知识。

废话不多说,直接进入正题。

---

我们来看一下,各个版本的文件上传组件大概都长什么样

等级	功能
青铜-垃圾玩意	原生+axios.post
白银-体验升级	粘贴,拖拽,进度条
黄金-功能升级	断点续传,秒传,类型判断
铂金-速度升级	web-worker,时间切片,抽样hash
钻石-网络升级	异步并发数控制,切片报错重试
王者-精雕细琢	慢启动控制,碎片清理等等

1.最简单的文件上传

文件上传,我们需要获取文件对象,然后使用formData发送给后端接收即可

function upload(file){let formData = new FormData();formData.append('newFile', file);axios.post('http://localhost:8000/uploader/upload',formData, { headers: { 'Content-Type': 'multipart/form-data' } })
}

2.拖拽+粘贴+样式优化

懒得写,你们网上找找库吧,网上啥都有,或者直接组件库解决问题

3.断点续传+秒传+进度条

文件切片

我们通过将一个文件分为多个小块,保存到数组中.逐个发送给后端,实现断点续传。

// 计算文件hash作为id
const { hash } = await calculateHashSample(file)
//todo 生成文件分片列表 
// 使用file.slice()将文件切片
const fileList = [];
const count = Math.ceil(file.size / globalProp.SIZE);
const partSize = file.size / count;
let cur = 0  // 记录当前切片的位置
for (let i = 0; i < count; i++) {let item = { chunk: file.slice(cur, cur + partSize), filename: `${hash}_${i}`};fileList.push(item);
}

计算hash

        为了让后端知道,这个切片是某个文件的一部分,以便聚合成一个完整的文件。我们需要计算完整file的唯一值(md5),作为切片的文件名。

// 通过input的event获取到file
<input type="file" @change="getFile">// 使用SparkMD5计算文件hash,读取文件为blob,计算hash
let fileReader = new FileReader();fileReader.onload = (e) => {let hexHash = SparkMD5.hash(e.target.result);console.log(hexHash); 
};

断点续传+秒传(前端)

        我们此时有保存了100个文件切片的数组,遍历切片连续向后端发送axios.post请求即可。设置一个开关，实现启动-暂停功能。

如果我们传了50份，关掉了浏览器怎么办？

此时我们需要后端配合，在上传文件之前，先检查一下后端接收了多少文件。

当然，如果发现后端已经上传过这个文件，直接显示上传完毕(秒传)

// 解构出已经上传的文件数组 文件是否已经上传完毕 
// 通过文件hash和后缀查询当前文件有多少已经上传的部分
const {isFileUploaded, uploadedList} = await axios.get(`http://localhost:8000/uploader/count ?hash=${hash}         &suffix=${fileSuffix}`
)

断点续传+秒传(后端)

至于后端的操作，就比较简单了

1. 根据文件hash创建文件夹，保存文件切片

2. 检查某文件的上传情况，通过接口返回给前端

例如以下文件切片文件夹

//! --------通过hash查询服务器中已经存放了多少份文件(或者是否已经存在文件)------
function checkChunks(hash, suffix) { //! 查看已经存在多少文件 获取已上传的indexList const chunksPath = `${uploadChunksDir}${hash}`;const chunksList = (fs.existsSync(chunksPath) && fs.readdirSync(chunksPath)) || []; const indexList = chunksList.map((item, index) =>item.split('_')[1]) //! 通过查询文件hash+suffix 判断文件是否已经上传 const filename = `${hash}${suffix}`const fileList = (fs.existsSync(uploadFileDir) && fs.readdirSync(uploadFileDir)) || []; const isFileUploaded = fileList.indexOf(filename) === -1 ? false : true console.log('已经上传的chunks', chunksList.length); console.log('文件是否存在', isFileUploaded); return { code: 200,data: { count: chunksList.length, uploadedList: indexList, isFileUploaded: isFileUploaded}}
}

进度条

        实时计算一下已经成功上传的片段不就行了，自行实现吧

4.抽样hash和webWorker

        因为上传前，我们需要计算文件的md5值，作为切片的id使用。md5的计算是一个非常耗时的事情，如果文件过大，js会卡在计算md5这一步，造成页面长时间卡顿。

我们这里提供三种思路进行优化：

抽样hash(md5)

        抽样hash是指，我们截取整个文件的一部分，计算hash，提升计算速度。

1. 我们将file解析为二进制buffer数据,

2. 抽取文件头尾2mb, 中间的部分每隔2mb抽取2kb

3. 将这些片段组合成新的buffer,进行md5计算。

图解:

样例代码

//! ---------------抽样md5计算-------------------
function calculateHashSample(file) {return new Promise((resolve) => {//!转换文件类型（解析为BUFFER数据 用于计算md5）const spark = new SparkMD5.ArrayBuffer();const { size } = file;const OFFSET = Math.floor(2 * 1024 * 1024); // 取样范围 2Mconst reader = new FileReader();let index = OFFSET;// 头尾全取，中间抽2字节const chunks = [file.slice(0, index)];while (index < size) {if (index + OFFSET > size) {chunks.push(file.slice(index));} else {const CHUNK_OFFSET = 2;chunks.push(file.slice(index, index + 2),file.slice(index + OFFSET - CHUNK_OFFSET, index + OFFSET));}index += OFFSET;}// 将抽样后的片段添加到sparkreader.onload = (event) => {spark.append(event.target.result);resolve({hash: spark.end(),//Promise返回hash});}reader.readAsArrayBuffer(new Blob(chunks));});
}

webWorker

        除了抽样hash，我们可以另外开启一个webWorker线程去专门计算md5。

        webWorker: 就是给JS创造多线程运行环境，允许主线程创建worker线程，分配任务给后者，主线程运行的同时worker线程也在运行，相互不干扰，在worker线程运行结束后把结果返回给主线程。

具体使用方式可以参考MDN或者其他文章：

        使用 Web Workers \- Web API 接口参考 | MDN \(mozilla.org\)[1]

        一文彻底学会使用web worker \- 掘金 \(juejin.cn\)[2]

时间切片

        熟悉React时间切片的同学也可以去试一试，不过个人认为这个方案没有以上两种好。

        不熟悉的同学可以自行掘金一下，文章还是很多的。这里就不多做论述，只提供思路。

        时间切片也就是传说中的requestIdleCallback，requestAnimationFrame 这两个API了，或者高级一点自己通过messageChannel去封装。

        切片计算hash，将多个短任务分布在每一帧里，减少页面卡顿。

5.文件类型判断

简单一点,我们可以通过input标签的accept属性,或者截取文件名来判断类型

<input id="file" type="file" accept="image/*" />const ext = file.name.substring(file.name.lastIndexOf('.') + 1);

当然这种限制可以简单的通过修改文件后缀名来突破，并不严谨。

通过文件头判断文件类型

我们将文件转化为二进制blob，文件的前几个字节就表示了文件类型，我们读取进行判断即可。

比如如下代码

// 判断是否为 .jpg 
async function isJpg(file) {// 截取前几个字节,转换为stringconst res = await blobToString(file.slice(0, 3))return res === 'FF D8 FF'
}
// 判断是否为 .png 
async function isPng(file) {const res = await blobToString(file.slice(0, 4))return res === '89 50 4E 47'
}
// 判断是否为 .gif 
async function isGif(file) {const res = await blobToString(file.slice(0, 4))return res === '47 49 46 38'
}

当然咱们有现成的库可以做这件事情,比如 file-type 这个库

        file-type \- npm \(npmjs.com\)[3]

6.异步并发数控制(重要)

        我们需要将多个文件片段上传给后端，总不能一个个发送把？我们这里使用TCP的并发+实现控制并发进行上传。

         首先我们将100个文件片段都封装为axios.post函数，存入任务池中

1. 创建一个并发池，同时执行并发池中的任务，发送片段

2. 设置计数器i，当i<并发数时，才能将任务推入并发池

3. 通过promise.race方法 最先执行完毕的请求会被返回 即可调用其.then方法 传入下一个请求(递归)

4. 当最后一个请求发送完毕 向后端发起请求 合并文件片段

图解

代码

//! 传入请求列表  最大并发数  全部请求完毕后的回调
function concurrentSendRequest(requestArr: any, max = 3, callback: any) {let i = 0 // 执行任务计数器let concurrentRequestArr: any[] = [] //并发请求列表let toFetch: any = () => {// (每次执行i+1) 如果i=arr.length 说明是最后一个任务  // 返回一个resolve 作为最后的toFetch.then()执行// (执行Promise.all() 全部任务执行完后执行回调函数  发起文件合并请求)if (i === requestArr.length) {return Promise.resolve()}//TODO 执行异步任务  并推入并发列表(计数器+1)let it = requestArr[i++]()concurrentRequestArr.push(it)//TODO 任务执行后  从并发列表中删除it.then(() => {concurrentRequestArr.splice(concurrentRequestArr.indexOf(it), 1)})//todo 如果并发数达到最大数，则等其中一个异步任务完成再添加let p = Promise.resolve()if (concurrentRequestArr.length >= max) {//! race方法 返回fetchArr中最快执行的任务结果 p = Promise.race(concurrentRequestArr)}//todo race中最快完成的promise,在其.then递归toFetch函数if (globalProp.stop) { return p.then(() => { console.log('停止发送') }) }return p.then(() => toFetch())}// 最后一组任务全部执行完再执行回调函数(发起合并请求)(如果未合并且未暂停)toFetch().then(() =>Promise.all(concurrentRequestArr).then(() => {if (!globalProp.stop && !globalProp.finished) { callback() }}))
}

7.并发错误重试

1. 使用catch捕获任务错误，上述axios.post任务执行失败后，重新把任务放到任务队列中

2. 给每个任务对象设置一个tag，记录任务重试的次数

3. 如果一个切片任务出错超过3次，直接reject。并且可以直接终止文件传输

8.慢启动控制

        由于文件大小不一，我们每个切片的大小设置成固定的也有点略显笨拙，我们可以参考TCP协议的慢启动策略。设置一个初始大小，根据上传任务完成的时候，来动态调整下一个切片的大小， 确保文件切片的大小和当前网速匹配。

1. ·chunk中带上size值，不过进度条数量不确定了，修改createFileChunk， 请求加上时间统计

2. ·比如我们理想是30秒传递一个。初始大小定为1M，如果上传花了10秒，那下一个区块大小变成3M。如果上传花了60秒，那下一个区块大小变成500KB 以此类推

9.碎片清理

        如果用户上传文件到一半终止，并且以后也不传了，后端保存的文件片段也就没有用了。

        我们可以在node端设置一个定时任务setInterval,每隔一段时间检查并清理不需要的碎片文件。

        可以使用 node-schedule 来管理定时任务，比如每天检查一次目录，如果文件是一个月前的，那就直接删除把。

垃圾碎片文件

后记

        以上就是一个完整的比较高级的文件上传组件的全部功能，希望各位有耐心看到这里的新手小伙伴能够融会贯通。每天进步一点点。

参考资料

[1] https://developer.mozilla.org/zh-CN/docs/Web/API/Web_Workers_API/Using_web_workers: https://link.juejin.cn?target=https%3A%2F%2Fdeveloper.mozilla.org%2Fzh-CN%2Fdocs%2FWeb%2FAPI%2FWeb_Workers_API%2FUsing_web_workers

[2] https://juejin.cn/post/7139718200177983524: https://juejin.cn/post/7139718200177983524

[3] https://www.npmjs.com/package/file-type: https://link.juejin.cn?target=https%3A%2F%2Fwww.npmjs.com%2Fpackage%2Ffile-type