GridFS在数据库中，默认使用fs.chunks和fs.files来存储文件。
其中fs.files集合存放文件的信息，fs.chunks存放文件数据。
一个fs.files集合中的一条记录内容如下，即一个file的信息如下：
|
1
2
3
4
5
6
7
8
9
10 |
{ "_id"
: ObjectId("4f4608844f9b855c6c35e298"), //唯一id，可以是用户自定义的类型"filename"
: "CPU.txt", //文件名"length"
: 778, //文件长度"chunkSize"
: 262144, //chunk的大小"uploadDate"
: ISODate("2012-02-23T09:36:04.593Z"), //上传时间"md5"
: "e2c789b036cfb3b848ae39a24e795ca6", //文件的md5值"contentType"
: "text/plain"
//文件的MIME类型"meta"
: null
//文件的其它信息，默认是没有”meta”这个key，用户可以自己定义为任意BSON对象} |
对应的fs.chunks中的chunk如下：
|
1
2
3
4
5
6 |
{ "_id"
: ObjectId("4f4608844f9b855c6c35e299"), //chunk的id"files_id"
: ObjectId("4f4608844f9b855c6c35e298"), //文件的id，对应fs.files中的对象，相当于fs.files集合的外键"n"
: 0, //文件的第几个chunk块，如果文件大于chunksize的话，会被分割成多个chunk块"data"
: BinData(0,"QGV...") //文件的二进制数据，这里省略了具体内容} |
默认chunk的大小是256K。
public static final int DEFAULT_CHUNKSIZE = 256 * 1024;
所以在把文件存入到GridFS过程中，如果文件大于chunksize，则把文件分割成多个chunk，再把这些chunk保存到fs.chunks中，最后再把文件信息存入到fs.files中。
在读取文件的时候，先据查询的条件，在fs.files中找到一个合适的记录，得到“_id”的值，再据这个值到fs.chunks中查找所有“files_id”为“_id”的chunk，并按“n”排序，最后依次读取chunk中“data”对象的内容，还原成原来的文件。
尽管从理论上，无论用什么hash函数，都有可能出现hash值相同，但内容不相同的文件，但是对于GridFS默认使用的md5算法，目前已出现长度和md5值都相同但内容不一样的文件。
如果想要自已改用其它hash算法，可以从驱动入手。因为GridFS在MongoDB中实际也只是两个普通的集合，所以完全可以自已修改驱动，替换下hash算法即可。
目前java版的驱动比较简单，可以很容易修改实现。
但是要注意，这样不符合GridFS的规范了。
1. GridFS不自动处理md5相同的文件，对于md5相同的文件，如果想在GridFS中只有一个存储，要用户自已处理。Md5值的计算由客户端完成。
2. 因为GridFS在上传文件过程中是先把文件数据保存到fs.chunks，最后再把文件信息保存到fs.files中，所以如果在上传文件过程中失败，有可能在fs.chunks中出现垃圾数据。这些垃圾数据可以定期清理掉。
原文：http://www.cnblogs.com/silentjesse/p/3602177.html