MongoDB
Explica cómo GridFS divide archivos grandes en chunks y metadata, cuándo resulta útil y cuándo conviene usar object storage en su lugar.
GridFS almacena archivos dividiéndolos en chunks y guardando metadata separada. Permite superar el límite BSON de un documento y transmitir archivos mediante streams sin cargar el contenido completo en memoria.
archivo
→ fs.files: metadata
→ fs.chunks: partes ordenadasPor defecto, un bucket usa colecciones como fs.files y fs.chunks, aunque el nombre puede configurarse.
GridFS puede ser adecuado cuando:
No debe elegirse solo porque la aplicación ya utiliza MongoDB.
S3, Cloud Storage o servicios equivalentes suelen ser mejores para:
Modelo frecuente:
{
objectKey: 'businesses/123/invoices/abc.pdf',
contentType: 'application/pdf',
size: 184230,
checksum: '...',
createdAt
}MongoDB conserva metadata; el binario vive en object storage.
const bucket = new GridFSBucket(db, {
bucketName: 'documents'
});
const upload = bucket.openUploadStream('invoice.pdf', {
metadata: {
businessId,
ownerId,
contentType: 'application/pdf'
}
});
sourceStream.pipe(upload);Maneja errores en ambos streams y espera la finalización antes de confirmar al cliente.
const download = bucket.openDownloadStream(fileId);
download.on('error', handleError);
download.pipe(response);Aplica autorización antes de abrir el stream. No confíes únicamente en conocer el ObjectId.
Contiene filename, length, chunk size, upload date y metadata.
Cada documento almacena una parte y su posición n. Un índice unique protege la combinación de file ID y posición.
La aplicación no debe insertar chunks manualmente salvo que implemente correctamente todo el protocolo; utiliza el driver.
Durante una subida incompleta pueden existir chunks sin un archivo final visible o metadata parcial según el punto del fallo. La aplicación necesita cleanup de uploads abandonados y una política de estado.
Modelo adicional:
{
status: 'uploading' | 'ready' | 'failed',
gridFsFileId,
expiresAt
}Confirma ready solo después de completar el stream.
Guarda checksum para verificar contenido:
stream recibido
→ calcular SHA-256
→ almacenar hash
→ verificar en descarga o migraciónNo uses hashes débiles como garantía de seguridad. La versión exacta del driver puede no calcular automáticamente el checksum que necesita tu dominio.
GridFS permite múltiples archivos con el mismo filename. No uses filename como identidad única. Conserva un ID de dominio y una versión:
metadata: {
documentId,
version: 3,
businessId
}Un índice propio o colección de metadata puede definir la versión activa.
GridFS soporta acceso por rangos mediante APIs compatibles, útil para media o reanudación. Sin embargo, un CDN u object storage suele ofrecer mejor distribución para tráfico masivo.
Los chunks se replican como datos MongoDB, aumentando:
Un archivo de 1 GB no se vuelve gratuito por dividirse en chunks.
GridFS puede utilizarse en entornos sharded bajo reglas y diseño específicos. Analiza shard keys, targeting de chunks, distribución de archivos grandes y compatibilidad del driver. No fragmentes un archivo sin comprender cómo se enrutan todos sus chunks.
Content-Disposition seguro;Eliminar un archivo debe retirar metadata y chunks mediante API del bucket:
await bucket.delete(fileId);Una eliminación parcial manual puede dejar orphans. Audita también referencias desde documentos de dominio y backups.
Binary normal;toArray o buffer;GridFS integra archivos con MongoDB mediante chunks y streaming, pero transfiere el coste a replication, backups y almacenamiento del cluster. Es correcto cuando esa integración aporta valor; para distribución masiva, CDN y lifecycle avanzado, object storage suele ser mejor.
Patrones de modelado.