QQ上传大文件为什么这么快

今天和同事在群里讨论“QQ上传大文件/发送大文件时，可以在极短的时间内完成”是如何做到的。

有时候我们通过QQ上传一个几百M的文件，竟然只用了几秒钟，从带宽限制上可以得出，实际上传文件是不可能的。

实现的思路肯定是根据文件内容生成一个“唯一的标识符”，根据这个标识符去判断服务器上是否已经存在这个文件，如果存在，则不需要再次上传。

 

但是根据文件内容生成“唯一的标识符”，效率会不会有问题呢。

于是用php做个最简单的测试：

 <?php   

include("./Timer.class.php");//timer类用于统计程序运行时间

Timer::getInstance()->start();//开始计时

$big_string = file_get_contents("./test.zip");//读取文件内容

echo "文件大小是:".strlen($big_string)/(1024*1024)."MB<BR>";//输出文件大小

echo md5($big_string)."<BR>";//输出MD5后的字符串

Timer::getInstance()->printTime();//输出耗费的时间

?>

输出结果如下：

文件大小是:487.146002769MB

c9cb9487b71fa2130b5d1110a2819e34

Timer NO:1 Did something in 3.28920602798 seconds;

 

可以看到，MD5一个487M的文件，只用了3.29秒，比我预想的快了许多。因此，通过“md5('文件内容')”生成“唯一标识符”的方法是完全可行的，效率不会存在问题，我想上面的方法肯定还有优化的空间。QQ的大文件快速上传估计就是通过这样的方式实现的。在上传大文件的时候，先查询下服务器看看文件的“唯一标识符”是否存在，只要这个标识符存在，就不用再上传文件了。

 

扩展：

1　　由于md5的特性，“md5('文件内容')”也可以用于校验“文件的完整性”和“内容是否有被修改过”，这也是我们下载一些软件时，在旁边能看到MD5效验码的原因。

2　　APACHE 的 ETAG 实现：APACHE 的 ETAG 是可以自己定义方法的，但普遍的做法是根据文件的内容生成ETAG。

当有多台web服务器时，以用户浏览图片为例，我们想要在客户端浏览器缓存图片，但图片上传到不同服务器上的时间不可能完全一致，这时就不能用文件的last_modify时间作为cache的参照。而是应该采取发送ETAG的方式，ETAG是按照文件内容生成特定字符串的。只要文件内容没有改变，ETAG就不会改变，浏览器的cache就可以继续使用。