从S3存储桶中下载300万个物体的最快方法

Question

我已经尝试使用Python + Boto +多处理，S3CMD和J3TSET，但与所有这些都挣扎。

有什么建议，也许是您一直在使用的现成脚本，还是我不知道的另一种方式？

编辑：

如下所述，EventLet+Boto是一个值得的解决方案。在这里找到了一篇不错的Eventlet参考文章 http://web.archive.org/web/20110520140439/http://teddziuba.com/2010/02/eventlet-asynchronous-io-for-g.html

我添加了我现在在下面使用的Python脚本。

Answer 1

好的，我根据@matt Billenstien的提示找到了一种解决方案。它使用Eventlet库。第一步在这里是最重要的（标准IO库的猴子修补）。

用NOHUP在后台运行此脚本，您全都设置了。

from eventlet import *
patcher.monkey_patch(all=True)

import os, sys, time
from boto.s3.connection import S3Connection
from boto.s3.bucket import Bucket

import logging

logging.basicConfig(filename="s3_download.log", level=logging.INFO)


def download_file(key_name):
    # Its imp to download the key from a new connection
    conn = S3Connection("KEY", "SECRET")
    bucket = Bucket(connection=conn, name="BUCKET")
    key = bucket.get_key(key_name)

    try:
        res = key.get_contents_to_filename(key.name)
    except:
        logging.info(key.name+":"+"FAILED")

if __name__ == "__main__":
    conn = S3Connection("KEY", "SECRET")
    bucket = Bucket(connection=conn, name="BUCKET")

    logging.info("Fetching bucket list")
    bucket_list = bucket.list(prefix="PREFIX")

    logging.info("Creating a pool")
    pool = GreenPool(size=20)

    logging.info("Saving files in bucket...")
    for key in bucket.list():
        pool.spawn_n(download_file, key.key)
    pool.waitall()

Answer 2

使用Eventlet为您提供I/O并行性，编写一个简单的函数以使用Urllib下载一个对象，然后使用绿色PILE将其映射到输入URL列表中 - 具有50至100 Greenlets的堆应该做...