大文件怎么快速上传？最实用的实现方法！

大文件快速上传的方案，相信你也有过了解，其实无非就是将 文件变小，也就是通过 压缩文件资源 或者 文件资源分块 后再上传。

本文只介绍资源分块上传的方式，并且会通过 前端（vue3 + vite） 和 服务端（nodejs + koa2） 交互的方式，实现大文件分块上传的简单功能。

梳理思路

问题 1：谁负责资源分块？谁负责资源整合？

当然这个问题也很简单，肯定是前端负责分块，服务端负责整合。

问题 2：前端怎么对资源进行分块？

首先是选择上传的文件资源，接着就可以得到对应的文件对象 File，而 File.prototype.slice 方法可以实现资源的分块，当然也有人说是 Blob.prototype.slice 方法，因为 Blob.prototype.slice === File.prototype.slice。

问题 3：服务端怎么知道什么时候要整合资源？如何保证资源整合的有序性？

由于前端会将资源分块，然后单独发送请求，也就是说，原来 1 个文件对应 1 个上传请求，现在可能会变成 1 个文件对应 n 个上传请求，所以前端可以基于 Promise.all 将这多个接口整合，上传完成在发送一个合并的请求，通知服务端进行合并。

合并时可通过 nodejs 中的读写流（readStream/writeStream），将所有切片的流通过管道（pipe）输入最终文件的流中。

在发送请求资源时，前端会定好每个文件对应的序号，并将当前分块、序号以及文件 hash 等信息一起发送给服务端，服务端在进行合并时，通过序号进行依次合并即可。

问题 4：如果某个分块的上传请求失败了，怎么办？

一旦服务端某个上传请求失败，会返回当前分块失败的信息，其中会包含文件名称、文件 hash、分块大小以及分块序号等，前端拿到这些信息后可以进行重传，同时考虑此时是否需要将 Promise.all 替换为 Promise.allSettled 更方便。

前端部分

创建项目

通过 pnpm create vite 创建项目，对应文件目录如下.

请求模块

src/request.js

该文件就是针对 axios 进行简单的封装，如下：

1. import axios from "axios";
2. const baseURL = 'http://localhost:3001';
3. export const uploadFile = (url, formData, onUploadProgress = () => { }) => {
4.   return axios({
5.     method: 'post',
6.     url,
7.     baseURL,
8.     headers: {
9.       'Content-Type': 'multipart/form-data'
10.     },
11.     data: formData,
12.     onUploadProgress
13.   });
14. }
15. export const mergeChunks = (url, data) => {
16.   return axios({
17.     method: 'post',
18.     url,
19.     baseURL,
20.     headers: {
21.       'Content-Type': 'application/json'
22.     },
23.     data
24.   });
25. }

文件资源分块

根据 DefualtChunkSize = 5 * 1024 * 1024 ，即 5 MB ，来对文件进行资源分块进行计算，通过 spark-md5[1] 根据文件内容计算出文件的 hash 值，方便做其他优化，比如：当 hash 值不变时，服务端没有必要重复读写文件等。

1. // 获取文件分块
2. const getFileChunk = (file, chunkSize = DefualtChunkSize) => {
3.   return new Promise((resovle) => {
4.     let blobSlice = File.prototype.slice || File.prototype.mozSlice || File.prototype.webkitSlice,
5.       chunks = Math.ceil(file.size / chunkSize),
6.       currentChunk = 0,
7.       spark = new SparkMD5.ArrayBuffer(),
8.       fileReader = new FileReader();
9.     fileReader.onload = function (e) {
10.       console.log('read chunk nr', currentChunk + 1, 'of');
11.       const chunk = e.target.result;
12.       spark.append(chunk);
13.       currentChunk++;
14.       if (currentChunk < chunks) {
15.         loadNext();
16.       } else {
17.         let fileHash = spark.end();
18.         console.info('finished computed hash', fileHash);
19.         resovle({ fileHash });
20.       }
21.     };
22.     fileReader.onerror = function () {
23.       console.warn('oops, something went wrong.');
24.     };
25.     function loadNext() {
26.       let start = currentChunk * chunkSize,
27.         end = ((start + chunkSize) >= file.size) ? file.size : start + chunkSize;
28.       let chunk = blobSlice.call(file, start, end);
29.       fileChunkList.value.push({ chunk, size: chunk.size, name: currFile.value.name });
30.       fileReader.readAsArrayBuffer(chunk);
31.     }
32.     loadNext();
33.   });
34. }

发送上传请求和合并请求

通过 Promise.all 方法整合所以分块的上传请求，在所有分块资源上传完毕后，在 then 中发送合并请求。

1. // 上传请求
2. const uploadChunks = (fileHash) => {
3.   const requests = fileChunkList.value.map((item, index) => {
4.     const formData = new FormData();
5.     formData.append(`${currFile.value.name}-${fileHash}-${index}`, item.chunk);
6.     formData.append("filename", currFile.value.name);
7.     formData.append("hash", `${fileHash}-${index}`);
8.     formData.append("fileHash", fileHash);
9.     return uploadFile('/upload', formData, onUploadProgress(item));
10.   });
11.   Promise.all(requests).then(() => {
12.     mergeChunks('/mergeChunks', { size: DefualtChunkSize, filename: currFile.value.name });
13.   });
14. }

进度条数据

分块进度数据利用 axios 中的 onUploadProgress 配置项获取数据，通过使用computed 根据分块进度数据的变化自动自动计算当前文件的总进度。

1. // 总进度条
2. const totalPercentage = computed(() => {
3.   if (!fileChunkList.value.length) return 0;
4.   const loaded = fileChunkList.value
5.     .map(item => item.size * item.percentage)
6.     .reduce((curr, next) => curr + next);
7.   return parseInt((loaded / currFile.value.size).toFixed(2));
8. })
9. // 分块进度条
10. const onUploadProgress = (item) => (e) => {
11.   item.percentage = parseInt(String((e.loaded / e.total) * 100));
12. }

服务端部分

搭建服务

使用 koa2 搭建简单的服务，端口为 3001

使用 koa-body 处理接收前端传递 'Content-Type': 'multipart/form-data' 类型的数据

使用 koa-router 注册服务端路由

使用 koa2-cors 处理跨域问题

目录/文件划分

server/server.js

该文件是服务端具体的代码实现，用于处理接收和整合分块资源。

server/resources

该目录是用于存放单文件的多个分块，以及最后分块整合后的资源：

分块资源未合并时，会在该目录下以当前文件名创建一个目录，用于存放这个该文件相关的所有分块

分块资源需合并时，会读取这个文件对应的目录下的所有分块资源，然后将它们整合成原文件

分块资源合并完成，会删除这个对应的文件目录，只保留合并后的原文件，生成的文件名比真实文件名多一个 _ 前缀，如原文件名 "测试文件.txt" 对应合并后的文件名 "_测试文件.txt"

接收分块

使用 koa-body 中的 formidable 配置中的 onFileBegin 函数处理前端传来的 FormData 中的文件资源，在前端处理对应分块名时的格式为：filename-fileHash-index，所以这里直接将分块名拆分即可获得对应的信息。

1. // 上传请求
2. router.post(
3.   '/upload',
4.   // 处理文件 form-data 数据
5.   koaBody({
6.     multipart: true,
7.     formidable: {
8.       uploadDir: outputPath,
9.       onFileBegin: (name, file) => {
10.         const [filename, fileHash, index] = name.split('-');
11.         const dir = path.join(outputPath, filename);
12.         // 保存当前 chunk 信息，发生错误时进行返回
13.         currChunk = {
14.           filename,
15.           fileHash,
16.           index
17.         };
18.         // 检查文件夹是否存在如果不存在则新建文件夹
19.         if (!fs.existsSync(dir)) {
20.           fs.mkdirSync(dir);
21.         }
22.         // 覆盖文件存放的完整路径
23.         file.path = `${dir}/${fileHash}-${index}`;
24.       },
25.       onError: (error) => {
26.         app.status = 400;
27.         app.body = { code: 400, msg: "上传失败", data: currChunk };
28.         return;
29.       },
30.     },
31.   }),
32.   // 处理响应
33.   async (ctx) => {
34.     ctx.set("Content-Type", "application/json");
35.     ctx.body = JSON.stringify({
36.       code: 2000,
37.       message: 'upload successfully！'
38.     });
39.   }
40. );

整合分块

通过文件名找到对应文件分块目录，使用 fs.readdirSync(chunkDir) 方法获取对应目录下所以分块的命名，在通过 fs.createWriteStream/fs.createReadStream 创建可写/可读流，结合管道 pipe 将流整合在同一文件中，合并完成后通过 fs.rmdirSync(chunkDir) 删除对应分块目录。

1. // 合并请求
2. router.post('/mergeChunks', async (ctx) => {
3.   const { filename, size } = ctx.request.body;
4.   // 合并 chunks
5.   await mergeFileChunk(path.join(outputPath, '_' + filename), filename, size);
6.   // 处理响应
7.   ctx.set("Content-Type", "application/json");
8.   ctx.body = JSON.stringify({
9.     data: {
10.       code: 2000,
11.       filename,
12.       size
13.     },
14.     message: 'merge chunks successful！'
15.   });
16. });
17. // 通过管道处理流 
18. const pipeStream = (path, writeStream) => {
19.   return new Promise(resolve => {
20.     const readStream = fs.createReadStream(path);
21.     readStream.pipe(writeStream);
22.     readStream.on("end", () => {
23.       fs.unlinkSync(path);
24.       resolve();
25.     });
26.   });
27. }
28. // 合并切片
29. const mergeFileChunk = async (filePath, filename, size) => {
30.   const chunkDir = path.join(outputPath, filename);
31.   const chunkPaths = fs.readdirSync(chunkDir);
32.   if (!chunkPaths.length) return;
33.   // 根据切片下标进行排序，否则直接读取目录的获得的顺序可能会错乱
34.   chunkPaths.sort((a, b) => a.split("-")[1] - b.split("-")[1]);
35.   console.log("chunkPaths = ", chunkPaths);
36.   await Promise.all(
37.     chunkPaths.map((chunkPath, index) =>
38.       pipeStream(
39.         path.resolve(chunkDir, chunkPath),
40.         // 指定位置创建可写流
41.         fs.createWriteStream(filePath, {
42.           start: index * size,
43.           end: (index + 1) * size
44.         })
45.       )
46.     )
47.   );
48.   // 合并后删除保存切片的目录
49.   fs.rmdirSync(chunkDir);
50. };

前端 & 服务端 交互

前端分块上传

测试文件信息：

选择文件类型为 19.8MB，而且上面设定默认分块大小为 5MB ，于是应该要分成 4 个分块，即 4 个请求。

服务端分块接收

前端发送合并请求

服务端合并分块

扩展 —— 断点续传 & 秒传

有了上面的核心逻辑之后，要实现断点续传和秒传的功能，只需要在取扩展即可，这里不再给出具体实现，只列出一些思路。

断点续传

断点续传其实就是让请求可中断，然后在接着上次中断的位置继续发送，此时要保存每个请求的实例对象，以便后期取消对应请求，并将取消的请求保存或者记录原始分块列表取消位置信息等，以便后期重新发起请求。

取消请求的几种方式：

如果使用原生 XHR 可使用 (new XMLHttpRequest()).abort() 取消请求

如果使用 axios 可使用 new CancelToken(function (cancel) {}) 取消请求

如果使用 fetch 可使用 (new AbortController()).abort() 取消请求

秒传

不要被这个名字给误导了，其实所谓的秒传就是不用传，在正式发起上传请求时，先发起一个检查请求，这个请求会携带对应的文件 hash 给服务端，服务端负责查找是否存在一模一样的文件 hash，如果存在此时直接复用这个文件资源即可，不需要前端在发起额外的上传请求。