Der schnellste Weg zum Download 3.000.000 Objekte aus einem S3-Bucket

Question

Ich habe versucht mit Python + Boto + Multiprocessing, s3cmd und J3tset aber mit allen von ihnen zu kämpfen.

Alle Vorschläge, vielleicht ein fertiges Skript, das Sie verwendet haben, oder eine andere Art, wie ich weiß nicht, von?

EDIT:

eventlet + Boto ist eine lohnenswerte Lösung wie unten erwähnt. Gefunden ein guter eventlet Referenz Artikel hier http://web.archive.org/web/20110520140439/http://teddziuba.com/2010/02/eventlet-asynchronous-io-for-g.html

Ich habe den Python-Skript hinzugefügt, dass ich jetzt unten bin mit.

Answer 1

Okay, dachte ich, eine Lösung basierend auf @ Matt Billenstien des Hinweises. Es verwendet eventlet Bibliothek. Der erste Schritt ist sehr wichtig, hier (Affe Patchen von Standard-IO-Bibliotheken).

Führen Sie dieses Skript im Hintergrund mit nohup und du bist fertig.

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

Verwenden Sie eventlet E / A-Parallelität zu geben, schreiben Sie eine einfache Funktion ein Objekt mit urllib zum Download, dann eine GreenPile verwenden, die Urls auf eine Liste von Eingangs abzubilden - einem Stapel mit 50 bis 100 greenlets tun sollte .. .