Vue 大文件切片上传实现指南

背景

        在Web开发中，文件上传是一个常见的功能需求，尤其是当涉及到大文件上传时，为了提高上传的稳定性和效率，文件切片上传技术便显得尤为重要。通过将大文件切分成多个小块（切片）进行上传，不仅可以有效减少单次上传的数据量，降低网络波动对上传过程的影响，还能实现如断点续传、秒传等高级功能。本文将以Vue为框架，配合 Axios 进行 HTTP 请求，详细介绍如何实现一个支持文件切片上传的功能。

前端准备工作

        在开始编码之前，请确保你的项目中已经安装了 axios 和 spark-md5 两个库。axios 用于发起网络请求，spark-md5 用于计算文件的 MD5 值，从而支持秒传和断点续传功能。

前端需要实现的功能

文件选择和限制：

通过<input type="file" @change="handleFileChange" accept="video/*" />实现了文件的选择，同时限制了用户只能选择视频文件进行上传。

计算文件的MD5值

在computeFileHash方法中，利用SparkMD5库计算用户选中文件的MD5值。这一步是为了之后能够校验文件的完整性和唯一性。

校验文件是否需要上传

在checkFile方法中，通过向服务器查询文件的MD5值，判断该文件是否已经上传过，以此实现秒传功能，避免重复上传相同文件。

文件切片

在sliceFileAndUpload方法中，将大文件切割成多个小片段（切片），这样做的目的是为了支持大文件的分块上传，提高上传效率，同时也便于出错时重新上传单个切片而不是整个文件。

并发上传切片

通过processPool和uploadChunk方法实现切片的并发上传，限制了最大并发数(MAX_REQUEST)，以免过多并发请求压崩服务器。

上传进度反馈

通过uploadProgress数据和模板中的进度显示，用户可以实时看到文件上传的进度。

服务器通知合并切片

在所有切片上传完成后，通过notifyServerToMerge方法向服务器发送通知，请求服务器端进行切片的合并，以重建原始文件。

后端需要支持的API接口

为了支持前端的大文件上传和处理逻辑，后端需要提供以下API接口：

文件校验API

功能：检查文件的完整性和上传状态。这通常通过文件的唯一标识（如MD5哈希值）来实现。输入参数：文件唯一标识（如MD5哈希值）。返回值：告知客户端该文件是否已经存在，如果存在，是否完整。如果文件已经存在且不完整，则返回已上传的切片信息。

功能：接收文件的单个切片，并保存到服务器的临时存储位置。输入参数：文件的唯一标识，切片内容，切片的序号。返回值：确认切片上传成功或失败的状态。

功能：将所有上传的切片合并成一个完整的文件。输入参数：文件的唯一标识，可能还包括文件名、总切片数等信息。返回值：合并操作的成功或失败状态，以及最终文件的访问URL（可选）。

功能：查询文件上传的进度，这对于恢复上传和提供用户反馈非常有用。输入参数：文件的唯一标识。返回值：已上传的切片列表或上传进度百分比。

这些API合起来支持了一个分块上传文件的完整流程，包括文件的校验、切片的上传、切片的合并，以及上传进度查询。这个流程可以有效地处理大文件上传，减少网络传输的负担，提高上传的可靠性，并允许上传过程中的暂停和恢复。

执行流程

        一开始用户通过界面选择一个文件进行上传，进行文件选择，用户通过文件选择框悬着一个大文件，比如视频文件，触发handleFileChange方法，然后再计算这个大文件的MD5，使用computeFileHash方法计算选中文件的MD5哈希值，计算完成后检查文件是否需要上传，向服务器发起请求，根据文件的MD5哈希值执行checkFile方法检查文件是否已经存在，如果文件已经存在通知用户秒传功能并将上传进度设为100%，如果文件需要上传，则使用sliceFileAndUpload方法将文件切成很多个小块，每个切片及其索引都被添加到requestPool请求池中，从requestPool中并发上传切片processPool方法，对每个切片调用uploadChunk方法进行实际上传，通过MAX_REQUEST控制并发上传的数量，没上传一个切片，uploadChunksCount增加，并更新上传进度。所有切片上传完成后，通知服务器合并这些切片notifyServerToMerge，当服务器成功合并所有切片成原始后，整个切片上传流程完成。

实现步骤

步骤一:用户选择文件

        用户通过 <input type="file"> 选择文件后，handleFileChange 事件被触发。在这个事件处理函数中，我们首先获取到用户选择的文件，然后计算文件的 MD5 值，以此作为文件的唯一标识。这一步是实现断点续传和秒传功能的关键。

<template> <div> <!-- 文件选择框，仅接受视频文件 --> <input type="file" @change="handleFileChange" accept="video/*" /> <!-- 上传按钮 --> <button @click="handleUpload">Upload</button> <!-- 上传进度显示 --> <div v-if="uploadProgress > 0"> Upload Progress: { { uploadProgress }}% </div> </div></template>

步骤二：计算文件 MD5

        使用 spark-md5 库计算文件的 MD5 值。通过FileReader API 读取文件内容，然后计算其 MD5 值。这个过程可能会花费一些时间，因此使用 Promise 来异步处理。

async computeFileHash(file) { const spark = new SparkMD5.ArrayBuffer(); const fileReader = new FileReader(); return new Promise((resolve) => { fileReader.onload = (e) => { spark.append(e.target.result); const hash = spark.end(); resolve(hash); }; fileReader.readAsArrayBuffer(file); });}

步骤三：检查文件状态，检查文件是否已经上传还是部分上传

        在上传文件之前，先向服务器发送请求，检查这个文件是否已经部分或全部上传过。这一步是实现断点续传的关键。服务器根据文件的 MD5 值返回已上传的切片信息或表示文件完全上传的状态。

// 向服务器查询文件是否已经部分或完全上传async checkFile(fileHash) { <--- 此处应替换为你的接口调用代码 ---> // 假设接口返回 { shouldUpload: boolean, uploadedChunks: Array<number> } return { shouldUpload: true, uploadedChunks: [] };},

步骤四：切片并准备上传

        根据服务器返回的信息，如果文件未完全上传，我们将文件分割成多个切片。然后根据已上传的切片信息，跳过那些已经上传的切片，仅上传剩余的切片。

        切片并准备上传在sliceFileAndUpload方法中实现。这个方法首先计算了整个文件应该被分割成多少切片（基于设定的切片大小），然后根据服务器返回的已上传切片信息（uploadedChunks），它会跳过这些已经上传的切片，只将剩余的切片添加到请求池（requestPool）中准备上传。

// 切片并准备上传sliceFileAndUpload(fileHash, uploadedChunks) { const chunkSize = 10 * 1024 * 1024; // 切片大小，这里是10MB this.chunkCount = Math.ceil(this.selectedFile.size / chunkSize); // 计算总切片数 this.uploadProgress = 0; // 重置上传进度 for (let i = 0; i < this.chunkCount; i++) { if (uploadedChunks.includes(i)) continue; // 跳过已上传的切片 const chunk = this.selectedFile.slice(i * chunkSize, (i + 1) * chunkSize); // 获取切片 this.requestPool.push({ chunk, index: i }); // 加入请求池 } this.processPool(fileHash); // 开始处理请求池 },

上面这段代码中，uploadedChunks参数是一个数组，包含了所有已上传切片的索引。通过检查当前切片的索引是否包含在这个数组中，代码决定是否跳过当前切片的上传。如果索引不在uploadedChunks中，这意味着该切片还没有被上传，因此需要将其添加到requestPool中等待上传。这样，只有那些未上传的切片会被实际上传，从而实现了断点续传的功能。processPool进行并发切片上传

步骤五：并发上传切片

        为了提高上传效率，我们使用并发上传的方式。设置最大并发数，控制同时上传的切片数量。通过逐一上传切片，并监听每个上传请求的完成，从而动态调整并发请求。

        并发上传切片的逻辑主要在processPool方法中实现。这个方法负责管理并发请求，确保同时只有一定数量的上传请求在处理中。这通过一个简单的请求池（requestPool）和控制最大并发数量（MAX_REQUEST）来实现。

// 处理请求池中的切片上传processPool(fileHash) { while (this.requestPool.length > 0 && this.MAX_REQUEST > 0) { const { chunk, index } = this.requestPool.shift(); // 取出一个待上传的切片 this.uploadChunk(chunk, fileHash, index) // 上传切片 .then(() => { this.uploadedChunksCount++; // 更新已上传切片数量 this.uploadProgress = ((this.uploadedChunksCount / this.chunkCount) * 100).toFixed(2); // 更新上传进度 if (this.requestPool.length > 0) { this.processPool(fileHash); // 继续处理请求池 } else if (this.uploadedChunksCount === this.chunkCount) { // 所有切片都已上传，通知服务器合并 this.notifyServerToMerge(fileHash); } }) .finally(() => { this.MAX_REQUEST++; // 释放一个请求槽 }); this.MAX_REQUEST--; // 占用一个请求槽 }},

        在这个方法中，while循环检查请求池中是否还有待处理的切片，并且当前活跃的请求数量是否小于允许的最大并发数量MAX_REQUEST。如果这两个条件都满足，它会从请求池中取出一个切片，并调用uploadChunk方法来上传它，同时减少MAX_REQUEST的值来反映一个新的请求已经开始。

        当一个切片上传完成后，then回调函数会增加已上传切片的计数并更新上传进度。如果请求池中还有待上传的切片，它会递归调用processPool来处理下一个切片。一旦所有切片都上传完成，它会调用notifyServerToMerge来通知服务器所有切片已经上传完毕，可以合并成一个完整的文件。通过这种方式，代码能够在保持最大并发限制的同时，高效地处理切片的上传。

步骤六：服务器合并切片

        所有切片上传完成后，客户端向服务器发送一个合并切片的请求。服务器接收到请求后，将所有切片合并成原始文件，并返回合并结果。

// 通知服务器合并切片notifyServerToMerge(fileHash) { // 通知服务器合并切片，应替换为真实的合并API调用 console.log(`通知服务器将文件与哈希合并: ${ fileHash}`);},

        一个API调用，向服务器发送一个请求来触发合并已上传切片的操作。这个请求通常会携带一些必要的信息，比如文件的唯一标识（在这个例子中是fileHash），以及可能还有其他诸如文件名、文件大小、切片数量等信息，这些信息取决于服务器端合并切片的具体要求。

        服务器收到合并请求后，会根据提供的信息找到所有相关的切片，按正确的顺序将它们合并成一个完整的文件，并将该文件存储在服务器上的适当位置。完成这个过程后，服务器可能还会向客户端发送一个响应，通知合并操作的结果（成功或失败），以及可能的后续步骤或需要的信息。

        通过上述步骤，实现了一个高效稳定的大文件上传功能，极大提升了用户体验。

全部代码

<template> <div> <!-- 文件选择框，仅接受视频文件 --> <input type="file" @change="handleFileChange" accept="video/*" /> <!-- 上传按钮 --> <button @click="handleUpload">Upload</button> <!-- 上传进度显示 --> <div v-if="uploadProgress > 0"> Upload Progress: { { uploadProgress }}% </div> </div></template><script>import axios from "axios";import SparkMD5 from "spark-md5"; // 引入SparkMD5用于计算文件的MD5值export default { data() { return { selectedFile: null, // 用户选择的文件 uploadProgress: 0, // 上传进度 requestPool: [], // 请求池，存储待上传的切片信息 MAX_REQUEST: 6, // 最大并发请求数量 chunkCount: 0, // 文件切片总数 uploadedChunksCount: 0, // 已上传的切片数量 }; }, methods: { // 处理文件选择事件 async handleFileChange(event) { this.selectedFile = event.target.files[0]; if (!this.selectedFile) return; // 未选择文件则返回 // 可以在这里添加文件格式校验 const fileHash = await this.computeFileHash(this.selectedFile); // 计算文件hash const { shouldUpload, uploadedChunks } = await this.checkFile(fileHash); // 检查文件是否需要上传 if (!shouldUpload) { alert("文件已存在，秒传成功！"); this.uploadProgress = 100; // 直接设置进度为100% return; } this.sliceFileAndUpload(fileHash, uploadedChunks); // 切片并上传 }, // 计算文件的MD5 computeFileHash(file) { return new Promise((resolve) => { const spark = new SparkMD5.ArrayBuffer(); const fileReader = new FileReader(); fileReader.onload = (e) => { spark.append(e.target.result); const hash = spark.end(); resolve(hash); // 返回计算得到的hash值 }; fileReader.readAsArrayBuffer(file); }); }, // 检查文件是否已经上传过 async checkFile(fileHash) { // 应替换为真实的API调用来检查文件状态 return { shouldUpload: true, uploadedChunks: [] }; // 模拟返回值 }, // 切片并准备上传 sliceFileAndUpload(fileHash, uploadedChunks) { const chunkSize = 10 * 1024 * 1024; // 切片大小，这里是10MB this.chunkCount = Math.ceil(this.selectedFile.size / chunkSize); // 计算总切片数 this.uploadProgress = 0; // 重置上传进度 for (let i = 0; i < this.chunkCount; i++) { if (uploadedChunks.includes(i)) continue; // 跳过已上传的切片 const chunk = this.selectedFile.slice(i * chunkSize, (i + 1) * chunkSize); // 获取切片 this.requestPool.push({ chunk, index: i }); // 加入请求池 } this.processPool(fileHash); // 开始处理请求池 }, // 处理请求池中的切片上传 processPool(fileHash) { while (this.requestPool.length > 0 && this.MAX_REQUEST > 0) { const { chunk, index } = this.requestPool.shift(); // 取出一个待上传的切片 this.uploadChunk(chunk, fileHash, index) // 上传切片 .then(() => { this.uploadedChunksCount++; // 更新已上传切片数量 this.uploadProgress = ((this.uploadedChunksCount / this.chunkCount) * 100).toFixed(2); // 更新上传进度 if (this.requestPool.length > 0) { this.processPool(fileHash); // 继续处理请求池 } else if (this.uploadedChunksCount === this.chunkCount) { // 所有切片都已上传，通知服务器合并 this.notifyServerToMerge(fileHash); } }) .finally(() => { this.MAX_REQUEST++; // 释放一个请求槽 }); this.MAX_REQUEST--; // 占用一个请求槽 } }, // 上传单个切片 async uploadChunk(chunk, fileHash, index) { const formData = new FormData(); formData.append("chunk", chunk); formData.append("hash", fileHash); formData.append("index", index); // 替换为真实的上传URL，并根据需要实现onUploadProgress await axios.post("上传URL", formData); }, // 通知服务器合并切片 notifyServerToMerge(fileHash) { // 通知服务器合并切片，应替换为真实的合并API调用 console.log(`通知服务器将文件与哈希合并: ${ fileHash}`); }, },};</script>

效果：