【Android】文件分块上传尝试

news2025/5/15 19:52:37

【Android】文件分块上传

在完成一个项目时,遇到了需要上传长视频的场景,尽管可以手动限制视频清晰度和视频的码率帧率,但仍然避免不了视频大小过大的问题,且由于服务器原因,网络不太稳定。这个时候想到了可以将文件分块。

为什么选择文件分片上传

  1. 提高上传成功率:在网络不稳定或上传大文件时,一般上传可能因网络中断而导致整个上传过程失败,需要重新开始。而分片上传是将文件分成多个小块分别上传,即使某个分片上传失败,只需重新上传该分片,而不是整个文件,大大提高了上传的成功率。
  2. 实现断点续传:分片上传可以记录每个分片的上传进度,当上传因某种原因中断后,再次启动上传时,可以从上次中断的位置继续上传未完成的分片,无需从头开始,节省了时间和带宽。
  3. 并发上传:可以将多个分片同时上传到服务器,利用多线程或并发请求技术,充分利用网络带宽,加快上传速度。特别是对于大文件,并发上传多个分片能够显著缩短上传时间。

文件MD5 摘要计算

public static String getFileMD5String(File file) {
    MessageDigest messageDigest = null;
    FileInputStream fileInputStream = null;
    try {
        // 1. 初始化 MD5 摘要器
        messageDigest = MessageDigest.getInstance("MD5");
        
        // 2. 打开文件输入流
        fileInputStream = new FileInputStream(file);
        byte[] buffer = new byte[8192]; // 8KB 缓冲区
        int length;
        
        // 3. 流式读取文件内容
        while ((length = fileInputStream.read(buffer)) != -1) {
            messageDigest.update(buffer, 0, length); // 更新哈希计算
        }
        
        // 4. 生成最终哈希值
        byte[] digest = messageDigest.digest();
        
        // 5. 转换为十六进制字符串
        StringBuilder sb = new StringBuilder();
        for (byte b : digest) {
            String hex = Integer.toHexString(0xFF & b); // 字节转十六进制
            if (hex.length() == 1) {
                sb.append('0'); // 补零对齐
            }
            sb.append(hex);
        }
        return sb.toString();
    } catch (...) {
        // 异常处理
    } finally {
        // 关闭流
    }
    return null;
}

1. 为什么使用 MessageDigest

  • MessageDigest 是 Java 标准库中专门用于生成哈希摘要的类。
  • 支持多种算法(MD5、SHA-1、SHA-256 等),通过 getInstance("MD5") 指定算法。

2. 为什么分块读取(8KB 缓冲区)?

  • 内存效率:直接读取整个文件到内存会导致 OOM(尤其处理大文件时)。
  • 性能平衡
    • 过小(如 1KB)→ 增加 I/O 次数,降低性能。
    • 过大(如 1MB)→ 占用更多内存,边际收益递减。

3. 流式更新的必要性

while ((length = fileInputStream.read(buffer)) != -1) {
    messageDigest.update(buffer, 0, length);
}
  • 逐块更新哈希状态,避免一次性处理整个文件。
  • 即使文件大小超过内存限制,仍可正常计算。

并发上传

public void sendDetectVideo(File file, String token,String fileMD5String, LoadTasksCallBack callBack) {
    long fileSize = file.length();
    int totalChunks = (int) Math.ceil(fileSize * 1.0 / CHUNK_SIZE);
    CountDownLatch latch = new CountDownLatch(totalChunks);
    Map<Integer, Future<Boolean>> futures = new HashMap<>();

    for (int i = 0; i < totalChunks; i++) {
        final int chunkIndex = i;
        long start = i * CHUNK_SIZE;
        long end = Math.min((i + 1) * CHUNK_SIZE, fileSize);
        Callable<Boolean> task = () -> {
            try {
                Log.d("TAG", "sendDetectVideo: " + token);
                return uploadChunk(file, token, start, end, chunkIndex, totalChunks, fileMD5String, callBack);
            } finally {
                latch.countDown();
            }
        };
        Future<Boolean> future = executorService.submit(task);
        futures.put(chunkIndex, future);
    }

    try {
        latch.await();
        boolean allSuccess = true;
        for (Future<Boolean> future : futures.values()) {
            if (!future.get()) {
                allSuccess = false;
                break;
            }
        }
        if (allSuccess) {
            callBack.onSuccess("所有分块上传成功");
        } else {
            callBack.onFailed("部分分块上传失败");
        }
    } catch (InterruptedException | ExecutionException e) {
        e.printStackTrace();
        callBack.onFailed("上传过程中出现异常: " + e.getMessage());
    } finally {
        executorService.shutdown();
    }
}

初始化参数

long fileSize = file.length();
int totalChunks = (int) Math.ceil(fileSize * 1.0 / CHUNK_SIZE);
  • 计算总分块数:根据文件大小和预设的 CHUNK_SIZE(如5MB)计算需要分成多少块。

并发控制工具

CountDownLatch latch = new CountDownLatch(totalChunks);
Map<Integer, Future<Boolean>> futures = new HashMap<>();
  • CountDownLatch:用于等待所有分块上传完成(初始值为总分块数)。
  • Future集合:保存每个分块上传任务的执行结果。

遍历所有分块

for (int i = 0; i < totalChunks; i++) {
    final int chunkIndex = i;
    long start = i * CHUNK_SIZE;
    long end = Math.min((i + 1) * CHUNK_SIZE, fileSize);
    
    Callable<Boolean> task = () -> {
        try {
            return uploadChunk(...); // 上传分块
        } finally {
            latch.countDown(); // 无论成功与否,计数器减1
        }
    };
    
    Future<Boolean> future = executorService.submit(task);
    futures.put(chunkIndex, future);
}
  • 分块范围计算:确定每个分块的起始(start)和结束(end)位置。
  • 任务定义:每个分块上传逻辑封装为 Callable 任务,上传完成后触发 latch.countDown()
  • 任务提交:将任务提交到线程池 executorService,保存返回的 Future 对象。

等待所有分块完成

try {
    latch.await(); // 阻塞直到所有分块完成
    
    // 检查所有任务结果
    boolean allSuccess = true;
    for (Future<Boolean> future : futures.values()) {
        if (!future.get()) { // 获取任务执行结果
            allSuccess = false;
            break;
        }
    }
    
    // 回调结果
    if (allSuccess) {
        callBack.onSuccess("所有分块上传成功");
    } else {
        callBack.onFailed("部分分块上传失败");
    }
} catch (...) {
    // 异常处理
} finally {
    executorService.shutdown(); // 关闭线程池
}
  • 阻塞等待latch.await() 确保主线程等待所有分块上传完成。
  • 结果检查:遍历所有 Future,检查每个分块是否上传成功。
  • 回调通知:根据结果调用 onSuccessonFailed
  • 资源释放:关闭线程池。

Build请求体

private boolean uploadChunk(File file, String token, long start, long end, int chunkIndex,int totalChunks, String MD5, LoadTasksCallBack callBack) {
    RequestParams mToken = new RequestParams();
    mToken.put("Authorization", "Bearer " + token);

    MultipartBody.Builder requestBody = new MultipartBody.Builder()
            .setType(MultipartBody.FORM);

    Log.d(TAG, "uploadChunk: " + chunkIndex + " " + totalChunks + " " + MD5);
    MultipartBody multipartBody = requestBody.addFormDataPart("md5", MD5)
            .addFormDataPart("chunkIndex", String.valueOf(chunkIndex))
            .addFormDataPart("totalChunks", String.valueOf(totalChunks))
            .addFormDataPart("file", "file"
                    , createChunkRequestBody(file, chunkIndex, start, end))
            .build();

    Request request = createRequest(URL.SEND_VIDEO_FILE_URL, multipartBody, mToken, start);
    return executeRequest(request, callBack);
}

private Request createRequest(String url, MultipartBody multipartBody, RequestParams mToken, long start) {
    Headers.Builder mHeadersBuilder = new Headers.Builder();
    for (Map.Entry<String, String> entry : mToken.urlParams.entrySet()) {
        mHeadersBuilder.add(entry.getKey(), entry.getValue());
    }

    Request.Builder requestBuilder = new Request.Builder()
            .url(url)
            .headers(mHeadersBuilder.build())
            .post(multipartBody);

    return requestBuilder.build();
}

private boolean executeRequest(Request request, LoadTasksCallBack callBack) {
    try (Response response = client.newCall(request).execute()) {
        if (response.isSuccessful()) {
            String string = response.body().string();
            System.out.println("FileonResponse: " + string);
            callBack.onSuccess(string);
            return true;
        } else if (response.code() == 416) {
            // 416表示请求的Range无效,可能需要重新上传该分块
            System.out.println("onResponse: 分块上传失败,重新上传该分块");
            callBack.onFailed("分块上传失败,重新上传该分块");
            return false;
        } else {
            System.out.println("onResponse: 上传失败,状态码: " + response.code());
            callBack.onFailed("上传失败,状态码: " + response.code());
            return false;
        }
    } catch (IOException e) {
        System.out.println("onFailure: " + "上传失败");
        e.printStackTrace();
        callBack.onFailed("上传失败: " + e.getMessage());
        return false;
    }
}

分块相关

为视频文件的指定分块生成一个RequestBody对象,用于通过OkHttp将分块数据流式上传到服务器,避免一次性加载大文件到内存。

private RequestBody createChunkRequestBody(File videoFile,int chunkIndex, long start, long end) {
    return new RequestBody() {
        @Override
        public MediaType contentType() {
            return MediaType.parse("video/mp4");
        }

        @Override
        public void writeTo(BufferedSink sink) throws IOException {
            try (RandomAccessFile file = new RandomAccessFile(videoFile, "r");
                FileChannel channel = file.getChannel()) {
                ByteBuffer buffer = ByteBuffer.allocate(8192);
                long position = start;
                long remaining = end - start;

                while (remaining > 0) {
                    int readSize = (int) Math.min(buffer.capacity(), remaining);
                    buffer.limit(readSize);
                    int bytesRead = channel.read(buffer, position);
                    if (bytesRead == -1) break;

                    sink.write(buffer.array(), 0, bytesRead);
                    position += bytesRead;
                    remaining -= bytesRead;
                    buffer.clear();
                }
            }
        }
    };
}

方法签名

private RequestBody createChunkRequestBody(
    File videoFile,      // 要上传的视频文件
    int chunkIndex,      // 当前分块的索引(未直接使用)
    long start,          // 分块起始字节位置
    long end             // 分块结束字节位置
) 

匿名内部类

返回一个自定义的RequestBody对象,重写两个关键方法:

contentType() - 指定内容类型
@Override
public MediaType contentType() {
    return MediaType.parse("video/mp4"); // 明确告知服务器上传的是MP4视频
}
writeTo(BufferedSink sink) - 数据写入逻辑
@Override
public void writeTo(BufferedSink sink) throws IOException {
    try (
        RandomAccessFile file = new RandomAccessFile(videoFile, "r"); // 只读模式打开文件
        FileChannel channel = file.getChannel()                       // 获取NIO文件通道
    ) {
        ByteBuffer buffer = ByteBuffer.allocate(8192); // 分配8KB缓冲区
        long position = start;    // 当前读取位置
        long remaining = end - start; // 剩余需读取的字节数

        while (remaining > 0) {
            // 确定本次读取的字节数
            int readSize = (int) Math.min(buffer.capacity(), remaining);
            buffer.limit(readSize); // 设置缓冲区读取上限

            // 从文件指定位置读取数据到缓冲区
            int bytesRead = channel.read(buffer, position);
            if (bytesRead == -1) break; // 文件已读完

            // 将缓冲区数据写入网络流
            sink.write(buffer.array(), 0, bytesRead);

            // 更新位置和剩余字节数
            position += bytesRead;
            remaining -= bytesRead;
            buffer.clear(); // 重置缓冲区供下次使用
        }
    }
}

流程示意

+----------------+         +----------------+         +----------------+
|   视频文件      |         |   ByteBuffer    |         |  OkHttp请求流   |
| (分块范围:      | ---->   | (8KB缓冲区)     | ---->   | (BufferedSink)  |
|  start - end)  |         +----------------+         +----------------+
+----------------+| 每次定位到
       | 新的position
       +-----------------+

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处:http://www.coloradmin.cn/o/2376326.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

超详细Docker教程

前言&#xff1a;大家在在Linux上部署mysql及其他软件时&#xff0c;大家想一想自己最大的感受是什么&#xff1f; 我相信&#xff0c;除了个别天赋异禀的人以外&#xff0c;大多数人都会有相同的感受&#xff0c;那就是麻烦。核心体现在三点&#xff1a; 命令太多了&#xff…

Java项目拷打(外卖+点评)

一、点评星球&#xff08;黑马点评&#xff09; 1、项目概述 1.1、项目简介 本项目是基于Spring Boot与Redis深度整合的前后端分离的点评平台。系统以Redis为核心技术支撑&#xff0c;重点解决高并发场景下的缓存穿透、击穿、雪崩等问题&#xff0c;涵盖商户展示、优惠券秒杀…

微信小程序仿淘宝拍照/照片点位识图、点位裁剪生图、图片裁剪组件、图片点位框选、裁剪生成图片,canvasToImg

实现效果 效果&#xff1a; 1.微信小程序仿淘宝拍照/照片点位识图、根据点位裁剪生图、图片可裁剪、图片高度可控 2.识别点位自动生成标准构图方案&#xff0c;支持手动微调实现像素级精准裁剪 3.可以根据接口识别的点位信息实现拍照/相册图片特征点自动识别并裁剪 实现步骤 …

Qt/C++开发监控GB28181系统/录像文件查询/录像回放/倍速播放/录像文件下载

一、前言 搞定了实时预览后&#xff0c;另一个功能就是录像回放&#xff0c;录像回放和视频点播功能完全一致&#xff0c;唯一的区别就是发送点播的sdp信息中携带了开始时间和结束时间&#xff0c;因为是录像文件&#xff0c;所以有这个时间&#xff0c;而实时视频预览这个对应…

季报中的FPGA行业:U型反转,春江水暖

上周Lattice,AMD两大厂商相继发布2025 Q1季报,尽管恢复速度各异,但同时传递出FPGA行业整体回暖的复苏信号。 5月5日,Lattice交出了“勉强及格”的答卷,报告季度营收1亿2000万,与华尔街的预期基本相符。 对于这家聚焦在中小规模器件的领先厂商而言,按照其CEO的预期,长…

嵌入式机器学习平台Edge Impulse图像分类 – 快速入门

陈拓 2025/05/08-2025/05/11 1. 简介 官方网址 https://edgeimpulse.com/ 适用于任何边缘设备的人工智能&#xff1a; Gateways - 网关 Sensors & Cameras - 传感器和摄像头 Docker Containers - Docker容器 MCUs, NPUs, CPUs, GPUs 构建数据集、训练模型并优化库以…

zst-2001 上午题-历年真题 计算机网络(16个内容)

网络设备 计算机网络 - 第1题 ac 计算机网络 - 第2题 d 计算机网络 - 第3题 集线器不能隔离广播域和冲突域&#xff0c;所以集线器就1个广播域和冲突域 交换机就是那么的炫&#xff0c;可以隔离冲突域&#xff0c;有4给冲突域&#xff0c;但不能隔离广播域&#xf…

使用termius连接腾讯云服务器

使用termius连接腾讯云服务器 1.下载termius termius官网 安装配置教程 这里安装的window版本> 默认安装到C盘&#xff0c;不建议修改路径 可以选择谷歌登录&#xff0c;也可以不登录&#xff0c;软件是免费的&#xff0c;试用的是付费版本&#xff0c;不需要点 2.配置 这里…

实景三维建模软件应用场景(众趣科技实景三维建模)

实景三维建模软件应用场景概述 实景三维建模软件&#xff0c;作为数字化时代的重要工具&#xff0c;不仅能够真实、立体、时序化地反映和表达物理世界&#xff0c;还为国家的基础设施建设和数字化发展提供了有力的支撑。 在测绘与地理信息领域&#xff0c;实景三维建模软件是构…

【Linux】基础指令(Ⅱ)

目录 1. mv指令 2. cat指令 3.echo指令 补&#xff1a;输出重定向 4. more指令 5. less指令 6. head指令和tail指令 7.date指令 时间戳&#xff1a; 8. cal指令 9. alias指令 10.grep指令 1. mv指令 语法&#xff1a;mv [选项]... 源文件/目录 目标文件/目录 …

【ios越狱包安装失败?uniapp导出ipa文件如何安装到苹果手机】苹果IOS直接安装IPA文件

问题场景&#xff1a; 提示&#xff1a;ipa是用于苹果设备安装的软件包资源 设备&#xff1a;iphone 13(未越狱) 安装包类型&#xff1a;ipa包 调试工具&#xff1a;hbuilderx 问题描述 提要&#xff1a;ios包无法安装 uniapp导出ios包无法安装 相信有小伙伴跟我一样&…

【嵌入模型与向量数据库】

目录 一、什么是向量&#xff1f; 二、为什么需要向量数据库&#xff1f; 三、向量数据库的特点 四、常见的向量数据库产品 FAISS 支持的索引类型 vs 相似度 五、常见向量相似度方法对比 六、应该用哪种 七、向量数据库的核心逻辑 &#x1f50d; 示例任务&#xff1a;…

【东枫科技】使用LabVIEW进行NVIDIA CUDA GPU 开发

文章目录 工具包 CuLab - LabVIEW 的 GPU 工具包特性和功能功能亮点类似 LabVIEW 的 GPU 代码开发支持的功能数值类型和维数开发系统要求授权售价 工具包 CuLab - LabVIEW 的 GPU 工具包 CuLab 是一款非常直观易用的 LabVIEW 工具包&#xff0c;旨在加速 Nvidia GPU 上的计算密…

基于策略的强化学习方法之策略梯度(Policy Gradient)详解

在前文中&#xff0c;我们已经深入探讨了Q-Learning、SARSA、DQN这三种基于值函数的强化学习方法。这些方法通过学习状态值函数或动作值函数来做出决策&#xff0c;从而实现智能体与环境的交互。 策略梯度是一种强化学习算法&#xff0c;它直接对策略进行建模和优化&#xff0c…

1.Redis-key的基本命令

&#xff08;一&#xff09;Redis的基本类型 String&#xff0c;List&#xff0c;Set&#xff0c;Hash&#xff0c;Zset 三种特殊类型&#xff1a;geospatial&#xff08;地理空间数据&#xff09;、hyperloglog[基数估算&#xff08;去重计数&#xff09;]、bitmaps(位图&…

PROFIBUS DP转ModbusTCP网关模块于污水处理系统的成功应用案例解读​

在当今的工业生产领域&#xff0c;众多企业在生产过程中会产生大量工业废水。若这些废水未经处理直接排放&#xff0c;将会引发严重的工业污染问题。因此&#xff0c;借助科技手段对污水进行有效处理显得尤为重要。在一个污水处理系统中&#xff0c;往往包含来自不同厂家、不同…

电脑开机提示按f1原因分析及解决方法(6种解决方法)

经常有网友问到一个问题,我电脑开机后提示按f1怎么解决?不管理是台式电脑,还是笔记本,都有可能会遇到开机需要按F1,才能进入系统的问题,引起这个问题的原因比较多,今天小编在这里给大家列举了比较常见的几种电脑开机提示按f1的解决方法。 电脑开机提示按f1原因分析及解决…

复现:DemoGen 用于数据高效视觉运动策略学习的 合成演示生成 (RSS) 2025

https://github.com/TEA-Lab/DemoGen?tabreadme-ov-file 复现步骤很简单&#xff0c;按照readme配置好conda环境即可运行。 运行&#xff1a; cd demo_generation bash run_gen_demo.sh 等待生成&#xff1a; 查看data文件夹

本地部署firecrawl的两种方式,自托管和源码部署

网上资料很多 AI爬虫黑科技 firecrawl本地部署-CSDN博客 源码部署 前提条件本地安装py&#xff0c;node.js环境,嫌弃麻烦直接使用第二种 使用git或下载压缩包 git clone https://github.com/mendableai/firecrawl.git 设置环境参数 cd /firecrawl/apps/api 复制环境参数 …

2023年12月中国电子学会青少年软件编程(Python)等级考试试卷(六级)答案 + 解析

青少年软件编程&#xff08;Python&#xff09;等级考试试卷&#xff08;六级&#xff09; 分数&#xff1a;100 题数&#xff1a;38 一、单选题(共25题&#xff0c;共50分) 1. 运行以下程序&#xff0c;输出的结果是&#xff1f;&#xff08; &#xff09; class A(): …