使用 oss 的时候，应该保留后缀名吗？

Question

使用 oss、gcs、minio、s3 等等对象存储的时候，应该保留后缀名吗？

比如我要做的是一个存储用户上传的图片、视频的服务，后缀可能是 jpg、png、mp4 等等。

因为要避免重复存储浪费存储空间的问题，所以我是这样打算的：

• 对用户上传的文件取 hashcode （比如 md5 码），然后使用 hashcode 作为文件名保存在 oss 中
• 对于不同用户上传相同的视频、照片，就可以预先计算得到 hashcode，然后去 oss 去看下有没有指定的 key
• 有了，就不用重新上传到 oss

这样的设置解决了重复上传问题的同时，不需要引入一个 mysql、redis 之类的东西记录重复

但是失去文件后缀不是一个好主意，有什么解决方案吗？

文件后缀，我应该通过文件的 content 去判断呢？还是通过用户带的文件后缀判断呢？
通过文件的 content 去判断，可以保证 100% 区分是什么文件吗？
通过用户带的文件后缀判断有感觉不是很靠谱，因为用户可以骗人！

然后就是后缀（或者说文件类型）应该加到文件路径（oss 称之为 key）中，还是作为 object 的 metadata 信息好呢？

Answer 1

除非你只存不取，否则一定有一个地方要记录 用户/文件原名/大小/hash后的文件名 等等信息的
有后缀名就用，用户自己不好好玩是用户的事情

Answer 2

还是推荐保留后缀名，我最近也有这方面的思考，考虑是否可以用一个长的hash不加后缀去存储对象，但我想到有些使用对象的终端可能不会分析文件内容（chrome很厉害，可以不加后缀，但不能保证其他应用或者平台可以做到这样），所以还是使用上传时候的后缀。

用户骗人，那是他的事，不需要你考虑，他自己骗自己和你没啥关系。

Answer 3

不建议用md5作为文件名，哈希值不适合用来做文件名，特别是md5，如果哈希冲突会造成文件被覆盖而丢失，建议使用用户名作为文件路径使用UUID作为文件名，保留后缀名。

秒传可以参考百度云盘秒传，使用 文件大小、MD5、前256KB数据的MD5 三个数据是否都相同判断是否为同一文件。

如果不引入数据库，判断文件是否存在有点麻烦，尝试这个取巧的办法：
设计一个占位文件，占位文件key是文件大小+MD5+前256KB数据的MD5

• 上传前计算好占位文件key，然后判断占位文件是否存在
• 如果占位文件存在，则从占位文件的元数据中获取真实文件key并返回
• 如果占位文件不存在，则以UUID命名并上传文件，且在元数据中添加文件原名、占位文件key，上传成功后创建一个占位文件key的空文件并带有真实文件key的元数据