Golang计算文件MD5

前面这篇文章<Golang里面MD5的写法和性能>介绍了如何计算字符串的md5,下面我们来说说如何计算文件的md5。

https://wangbjun.site/2020/coding/golang/file-md5.html

1.错误的方式

有人说,文件可以读取成字符串,然后再计算就可以了,如下:

func FileMD5(filePath string) (string, error) {
file, err := os.Open(filePath)
if err != nil {
return "", err
}
all, err := ioutil.ReadAll(file)
if err != nil {
return "", err
}
return MD5(string(all)), nil
}

此方法确实没问题,但是需要考虑一个问题,假如文件比较大呢?比如有好几个GB,如果按这个做法也得占用好几个GB内存,肯定存在问题。

经过我测试,在实际运行中,这种方式占用的内存是文件大小的好几倍,1个GB的文件需要大概4个GB的内存,太恐怖了。

2.正确的方式

func FileMD5(filePath string) (string, error) {
file, err := os.Open(filePath)
if err != nil {
return "", err
}
hash := md5.New()
_, _ = io.Copy(hash, file)
return hex.EncodeToString(hash.Sum(nil)), nil
}

经过实际测试发现占用内存几乎非常非常少,这里大家就会发现md5.New()的用途所在了,简单分析一下为什么这种方式占用内存少。

首先要了解io.Copy方法的含义,可以先看看注释:

// Copy copies from src to dst until either EOF is reached
// on src or an error occurs. It returns the number of bytes
// copied and the first error encountered while copying, if any.
//
// A successful Copy returns err == nil, not err == EOF.
// Because Copy is defined to read from src until EOF, it does
// not treat an EOF from Read as an error to be reported.
//
// If src implements the WriterTo interface,
// the copy is implemented by calling src.WriteTo(dst).
// Otherwise, if dst implements the ReaderFrom interface,
// the copy is implemented by calling dst.ReadFrom(src).
func Copy(dst Writer, src Reader) (written int64, err error) {
return copyBuffer(dst, src, nil)
}

可以看出来,它底层调用了一个copyBuffer,这个方法底层在copy的时候会临时分配一个buffer缓存区,默认大小32k,每次只会占用32k大小内存,如果想自定义缓存区大小可以使用CopyBuffer:

// CopyBuffer is identical to Copy except that it stages through the
// provided buffer (if one is required) rather than allocating a
// temporary one. If buf is nil, one is allocated; otherwise if it has
// zero length, CopyBuffer panics.
func CopyBuffer(dst Writer, src Reader, buf []byte) (written int64, err error) {
if buf != nil && len(buf) == 0 {
panic("empty buffer in io.CopyBuffer")
}
return copyBuffer(dst, src, buf)
}

最后配合Sum方法,每次计算32k,不断循环计算,直到算完,所以几乎不占用内存。

3.总结

如果计算的文件都是小文件,内存比较大的话,追求速度的话可以使用第一种方法,如果你计算的文件非常大,务必使用第二种方法,不然内存会爆掉。

posted @ 2022-06-15 17:56  jiftle  阅读(3919)  评论(3编辑  收藏  举报