我有一个 CouchDB 数据库，主要存储文档附件。
文件在 db 中排序，URL 结构如下： /db-name/numeric-file-id/official-human-readable-file-name.ext
一份文件总是只有一份附件。 今天我计算了所有文件的 md5 总和，似乎其中许多是重复的。
我想知道 couchdb 是否知道重复的附件并在内部仅存储某种指向文件的指针，并跟踪引用计数，或者只是按原样存储每个附件。
我的意思是，如果我把 5 个相同的 100MB 文件作为附件，数据库会使用 100MB 还是 500MB？
【问题讨论】：
标签： couchdb
我在 CouchDB 文档中也找不到这个问题的直接答案，所以我设计了一个简单的经验测试（使用 CouchDB 1.4）：
实验：
我逐渐添加了 3 个文档，每个文档都有几个大（多 MB）附件，这些附件在文档之间是相同的。然后，我在每次插入文档后检查了生成的 db.couch 文件的磁盘大小。
结果：
db.couch 文件从 8MB 增加到 16MB，然后分别为第 1 个、第 2 个和第 3 个文档插入增加了 24MB。因此，CouchDB 确实不 似乎在对不同文档上的相同附件进行重复数据删除。添加三个文档后手动压缩数据库对文件大小没有影响，因此某些后台维护过程也不太可能注意到/修复此问题。
鉴于以下三个观察结果，缺少附件重复数据删除是一个奇怪的遗漏：
作者非常关心如何有效处理大型附件，因此他们添加了对存储附件的自动 gzip 压缩（对于那些具有指示某种文本内容的 MIME 类型的附件。）
添加附件会导致计算 MD5 摘要并将其与附件的元数据一起存储。
CouchDB 似乎确实对仍保存在数据库中的 相同 文档的多个版本之间共享的相同附件进行了重复数据删除（可能是 MD5 摘要的一种用途）。
考虑到这些因素，令人惊讶的是，CouchDB 在这方面并没有更智能，因为这将是一项有价值且（可能）直接的优化。
【讨论】：