1

我正在寻找一种反应方式来调整存储在 GridFS 中的图像大小。

这里有一篇文章，但不幸的是它使用了非阻塞的 Casbah。

还有一个很好的图像调整库。尽管它支持异步操作，但我找不到逐块调整图像大小的方法。也许根本不可能。那么我很好，但请您帮助我了解如何将 Enumerator（我从 GridFS 获得）转换为可由 scrimage（图像调整器库）使用的简单流。

4

2 回答 2

3

我必须首先做的事情，（我发现我总是这样做）是让您考虑为什么首先使用 GridFS。

正如我之前所说，这来自一个常见的误解，即 GridFS 是 MongoDB 存储文件的方式，因此这就是您使用的方式。所以我建议任何考虑，甚至阅读这篇文章的人，请阅读以下两个链接上的文件：

http://docs.mongodb.org/manual/faq/developers/#when-should-i-use-gridfs

http://docs.mongodb.org/manual/core/gridfs/

总结是，GridFS 的唯一目的是能够存储大于16MB BSON 文档限制的内容。本质上，文档被分块成更小的（小于 16MB）部分并插入到一个特殊的集合中。这有助于使用简化的界面处理读取和写入的大小限制，以获取所需的所有文档。

额外的信息是 GridFS不是MongoDB 魔法。服务器对存储的信息一无所知，除了它只是另一个文档。所以 GridFS 是一个驱动程序规范实现，这意味着每次读取和写入都会通过网络产生多个文档请求。

现在真正的重点是，当您的内容小于 16MB时，最好将其作为数据插入到普通文档字段中（二进制文件当然需要进行 base64 编码），并且您的所有读取和写入都在一次完成电线。

对于这个实现案例，如果您的图像小于 16MB，您将得到一个文档，其中包含一个包含字符串的字段，这将很容易流式解析（来自 base64）并返回内容。或者基本上任何关于转换的事情，因为您不必担心额外的调用会返回到 MongoDB 服务器以获得更多“块”。

如果您确实需要 200MB 高分辨率 Photoshop 文档作为数据源，那么请务必使用 GridFS。在这种情况下，这可能就是您想要的。

不装袋 GridFS，这是一个非常好的主意。只是大多数使用它的人并没有将它用于它的设计目的。

PS您进行任何流式转换的真正问题是您需要几条关于图像的元数据（通常在可以访问整个文件内容之前从库方法中不可用）才能做到这一点。因此，无论如何您都将存储自定义信息以实现您的目标。

于 2014-02-11T08:51:01.763 回答
0

在我的理解中，将二进制数据存储到 GridFS 或从 GridFS 获取总是有意义的，因为 MongoDB/ReactiveMongo 使用整个文档的“流”来回答查询。将（潜在的巨大）二进制数据存储在一个文档中并不允许真正流式传输数据。相反，二进制数据首先被完全读入内存，由于资源限制，这不是一个好主意。

所以回到你原来的问题，这里的主要问题基本上是如何将一个 OutputStream（Iteratee 可能写入的）连接到图像处理库所需的 InputStream。有关详细信息，请参阅http://ostermiller.org/convert_java_outputstream_inputstream.html。

以下代码应该有希望地解释这个概念：

import java.io._
import java.util.Arrays
import scala.concurrent._
import ExecutionContext.Implicits.global
import play.api.libs.iteratee._

object StreamingDemo extends App {

  // this enumerator will come from GridFS in your scenario
  val enumerator = Enumerator[Array[Byte]](Array(1, 2), Array(3), Array(4, 5, 6)) andThen Enumerator.eof

  val in = new PipedInputStream();
  val out = new PipedOutputStream(in);

  def putDataOnOutputStream(out: OutputStream) = {
    // as we have a Future here writing to the OutputStream is done in a separate thread as needed with piping
    enumerator.apply(Iteratee.foreach { elem =>
      println("write...");
      out.write(elem)
      out.flush()
    }).onComplete { _ =>
      out.close()
    }
  }

  def processDataFromInputStream(in: InputStream) = {
    var res: Int = in.read
    while (res != -1) {
      println("read: " + res);
      res = in.read
    }
    in.close()
  }

  putDataOnOutputStream(out)
  processDataFromInputStream(in);

}
于 2014-02-12T09:51:17.403 回答