Go项目实战：一步步构建一个并发文件下载器

大家好，我是 polarisxu。

今天为大家带来一个实战项目。建议你一定要动手实践。

在往下看之前，你不妨思考下，用 Go 如何实现一个并发下载器。

01 原理

对于服务器上的某个文件，我们要并发下载到本地，很容易想到，应该将文件分成多个部分，然后开多个 goroutine 并发地去下载，最后将这多个部分合并成一个文件，实现并发下载的目的。

现在的问题是，服务器上的一个文件，我们怎么做到分成多个呢？

这需要 HTTP 协议相关知识了。

HTTP 协议有一个响应头：Accept-Ranges，服务器通过该头来标识自身支持部分请求（partial requests），也叫范围请求。如果服务端支持部分请求，我们就可以实现并发下载。该头有两个可能的值：

Accept-Ranges: bytes 
Accept-Ranges: none 

• none：不支持任何部分请求单位，由于其等同于没有返回此头部，因此很少使用。不过一些浏览器，比如 IE9，会依据该头部去禁用或者移除下载管理器的暂停按钮。
• bytes：部分请求的单位是 bytes （字节）。

所以，我们在并发下载之前，应该先发起一个 Head 请求，来确认服务端是否支持部分请求。比如：

resp, err := http.Head("https://studygolang.com/dl/golang/go1.16.5.src.tar.gz") 
if err != nil { 
  return err 
} 
 
if resp.StatusCode == http.StatusOK && resp.Header.Get("Accept-Ranges") == "bytes" { 
  // 支持部分请求 
} 

确认了服务器支持部分请求，接下来就是如何进行部分请求。

这就用到 HTTP 的一个请求头部：Range。（详情参考： https://developer.mozilla.org/zh-CN/docs/Web/HTTP/Headers/Range ）

Range 告知服务器返回文件的哪一部分。在一个 Range 头部中，可以一次性请求多个部分，服务器会以 multipart 文件的形式将其返回。如果服务器返回的是范围响应，需要使用 206 Partial Content 状态码。假如所请求的范围不合法，那么服务器会返回 416 Range Not Satisfiable 状态码，表示客户端错误。服务器允许忽略 Range 首部，从而返回整个文件，状态码用 200。

具体语法：

Range: =- 
Range: =- 
Range: =-, - 
Range: =-, -, - 

• 范围所采用的单位，通常是字节（bytes）。

• 一个整数，表示在特定单位下，范围的起始值。

• 一个整数，表示在特定单位下，范围的结束值。这个值是可选的，如果不存在，表示此范围一直延伸到文档结束。

例如：

Range: bytes=200-1000, 2000-6576, 19000- 

掌握了以上知识点，最后要做的就是将下载下来的各个部分合并成一个文件。需要注意各个部分的顺序，比如根据顺序，按 1、2、3 等编号。

02 动手实现一个

知道了原理不代表你真的就会了，我们应该实际动手实现一个，加深理解。

在本地某个目录下创建目录：downloader。

$ mkdir downloader 
$ cd downloader 
$ go mod init github.com/polaris1119/downloader 

命令行参数控制

为了让工具更好用，我们应该支持命令行参数，而不是代码写死一个，比如要下载的 URL、并发数、输出的文件名等。关于命令行参数控制，除了使用标准库 flag，我比较喜欢 github.com/urfave/cli，最新版本 v2。

创建一个文件 main.go，内容如下：

package main 
 
import ( 
    "log" 
    "os" 
    "runtime" 
 
    "github.com/urfave/cli/v2" 
) 
 
func main() { 
  // 默认并发数 
    concurrencyN := runtime.NumCPU() 
 
    app := &cli.App{ 
        Name:  "downloader", 
        Usage: "File concurrency downloader", 
        Flags: []cli.Flag{ 
            &cli.StringFlag{ 
                Name:     "url", 
                Aliases:  []string{"u"}, 
                Usage:    "`URL` to download", 
                Required: true, 
            }, 
            &cli.StringFlag{ 
                Name:    "output", 
                Aliases: []string{"o"}, 
                Usage:   "Output `filename`", 
            }, 
            &cli.IntFlag{ 
                Name:    "concurrency", 
                Aliases: []string{"n"}, 
                Value:   concurrencyN, 
                Usage:   "Concurrency `number`", 
            }, 
        }, 
        Action: func(c *cli.Context) error { 
      return nil 
        }, 
    } 
 
    err := app.Run(os.Args) 
    if err != nil { 
        log.Fatal(err) 
    } 
} 

执行 go mod tidy，下载必要的包。然后执行：

$ go run main.go -h 
NAME: 
   downloader - File concurrency downloader 
 
USAGE: 
   downloader [global options] command [command options] [arguments...] 
 
COMMANDS: 
   help, h  Shows a list of commands or help for one command 
 
GLOBAL OPTIONS: 
   --url URL, -u URL                URL to download 
   --output filename, -o filename   Output filename 
   --concurrency number, -n number  Concurrency number (default: 8) 
   --help, -h                       show help (default: false) 

关于 cli 这个库的使用，可以参阅官方文档，写的很详细，也有很多例子。

检查是否支持并发下载

创建另外一个文件 downloader.go，定义一个结构体 Dowloader：

package main 
 
type Downloader struct { 
    concurrency int 
} 
 
func NewDownloader(concurrency int) *Downloader { 
    return &Downloader{concurrency: concurrency} 
} 

为该结构体增加 Download 方法：

func (d *Downloader) Download(strURL, filename string) error { 
    if filename == "" { 
        filename = path.Base(strURL) 
    } 
 
    resp, err := http.Head(strURL) 
    if err != nil { 
        return err 
    } 
 
    if resp.StatusCode == http.StatusOK && resp.Header.Get("Accept-Ranges") == "bytes" { 
        return d.multiDownload(strURL, filename, int(resp.ContentLength)) 
    } 
 
    return d.singleDownload(strURL, filename) 
} 
 
func (d *Downloader) multiDownload(strURL, filename string, contentLen int) error { 
    return nil 
} 
 
func (d *Downloader) singleDownload(strURL, filename string) error { 
  return nil 
} 

• 通过 Head 请求，判断是否支持部分请求。在原理部分已经讲解；
• 如果不支持，就直接下载整个文件；

当支持部分请求时，文件总大小通过 Head 请求的响应中的 ContentLength 可以获得。有了文件总大小和并发数，就可以知道每个部分的大小了。

并发下载

这部分第一个要点是如何发起部分请求：

req, err := http.NewRequest("GET", "https://apache.claz.org/zookeeper/zookeeper-3.7.0/apache-zookeeper-3.7.0-bin.tar.gz", nil) 
if err != nil { 
    return err 
} 
rangeStart := 2000 
rangeStop := 3000 
req.Header.Set("Range", fmt.Sprintf("bytes=%d-%d", rangeStart, rangeStop)) 
 
res, err := http.DefaultClient.Do(req) 

我们可以将其封装成一个方法：

func (d *Downloader) downloadPartial(strURL, filename string, rangeStart, rangeEnd, i int) { 
    if rangeStart >= rangeEnd { 
        return 
    } 
 
    req, err := http.NewRequest("GET", strURL, nil) 
    if err != nil { 
        log.Fatal(err) 
    } 
 
    req.Header.Set("Range", fmt.Sprintf("bytes=%d-%d", rangeStart, rangeEnd)) 
    resp, err := http.DefaultClient.Do(req) 
    if err != nil { 
        log.Fatal(err) 
    } 
    defer resp.Body.Close() 
 
    flags := os.O_CREATE | os.O_WRONLY 
    partFile, err := os.OpenFile(d.getPartFilename(filename, i), flags, 0666) 
    if err != nil { 
        log.Fatal(err) 
    } 
    defer partFile.Close() 
 
    buf := make([]byte, 32*1024) 
    _, err = io.CopyBuffer(partFile, resp.Body, buf) 
    if err != nil { 
        if err == io.EOF { 
            return 
        } 
        log.Fatal(err) 
    } 
} 
 
// getPartDir 部分文件存放的目录 
func (d *Downloader) getPartDir(filename string) string { 
    return strings.SplitN(filename, ".", 2)[0] 
} 
 
// getPartFilename 构造部分文件的名字 
func (d *Downloader) getPartFilename(filename string, partNum int) string { 
    partDir := d.getPartDir(filename) 
    return fmt.Sprintf("%s/%s-%d", partDir, filename, partNum) 
} 

• 通过发起 Range 请求后，将请求的内容写入本地文件中；
• 为了方便后续合并，文件名加上了序号，这就是 downloadPartial 最后一个参数的作用；
• rangeStart 和 rangeEnd 分别表示 Range 的开始和结束；

然后就是 multiDownload 方法中怎么分部分，这和并发请求多个 URL 很类似，使用 sync.WaitGroup 进行控制：

func (d *Downloader) multiDownload(strURL, filename string, contentLen int) error { 
    partSize := contentLen / d.concurrency 
 
  // 创建部分文件的存放目录 
    partDir := d.getPartDir(filename) 
    os.Mkdir(partDir, 0777) 
    defer os.RemoveAll(partDir) 
 
    var wg sync.WaitGroup 
    wg.Add(d.concurrency) 
 
    rangeStart := 0 
 
    for i := 0; i < d.concurrency; i++ { 
    // 并发请求 
        go func(i, rangeStart int) { 
            defer wg.Done() 
 
            rangeEnd := rangeStart + partSize 
      // 最后一部分，总长度不能超过 ContentLength 
            if i == d.concurrency-1 { 
                rangeEnd = contentLen 
            } 
 
            d.downloadPartial(strURL, filename, rangeStart, rangeEnd, i) 
 
        }(i, rangeStart) 
 
        rangeStart += partSize + 1 
    } 
 
    wg.Wait() 
   
  // 合并文件 
    d.merge(filename) 
 
    return nil 
} 
 
func (d *Downloader) merge(filename string) error { 
    return nil 
} 

• 计算出每个部分的大小；
• 通过 sync.WaitGroup 协调并发请求；
• 注意每个部分的 rangeStart 和 rangeEnd 的计算规则，特别注意最后一部分；
• 所有部分都请求完成后，需要进行合并；

因为把每部分单独保存为文件了，所以合并只需要按照顺序处理这些文件即可：

func (d *Downloader) merge(filename string) error { 
    destFile, err := os.OpenFile(filename, os.O_CREATE|os.O_WRONLY, 0666) 
    if err != nil { 
        return err 
    } 
    defer destFile.Close() 
 
    for i := 0; i < d.concurrency; i++ { 
        partFileName := d.getPartFilename(filename, i) 
        partFile, err := os.Open(partFileName) 
        if err != nil { 
            return err 
        } 
        io.Copy(destFile, partFile) 
        partFile.Close() 
        os.Remove(partFileName) 
    } 
 
    return nil 
} 

连接程序

到这里，程序的核心部分已经完成。接下来该在 main.go 中的 Action 作如下处理：

Action: func(c *cli.Context) error { 
  strURL := c.String("url") 
  filename := c.String("output") 
  concurrency := c.Int("concurrency") 
  return NewDownloader(concurrency).Download(strURL, filename) 
}, 

到这里可以运行测试下：

go run . --url https://apache.claz.org/zookeeper/zookeeper-3.7.0/apache-zookeeper-3.7.0-bin.tar.gz 

不出意外的话文件会下载成功。

03 总结

实现了基本功能，读者朋友们可以进一步做优化、完善。比如：

• 看到下载过程，体验更友好，可以加入 github.com/schollz/progressbar 库；
• 可以暂停下载，然后继续下载。即端点续传；
• 不支持并发下载的，支持单个下载，即完成 singleDownload 方法；

类似下面这样：

这个实现的完整代码我放在了 GitHub： https://github.com/polaris1119/downloader 。

还有两点大家可以注意下：

• 并发下载并不一定总是比简单下载快，一般文件越大，并发下载的优势才能体现。不过，并发下载可以端点续传；
• 并发下载可以进一步优化，毕竟写文件，再打开文件合并，是需要时间的；

最后，再提醒一次，记得自己动手实现一个哦。