S3バケツから300万オブジェクトをダウンロードする最速の方法

Question

Python + Boto + Multiprocessing、S3CMD、J3Tsetを使用してみましたが、それらすべてに苦労しています。

何か提案、おそらくあなたが使用してきた既製のスクリプト、または私が知らない別の方法ですか？

編集：

Eventlet+Botoは、以下に説明する価値のあるソリューションです。ここで良いイベントリファレンスの記事を見つけました http://web.archive.org/web/20110520140439/http://teddziuba.com/2010/02/eventlet-asynchronous-io-for-g.html

以下で今使用しているPythonスクリプトを追加しました。

Answer 1

さて、@Matt Billenstienのヒントに基づいた解決策を見つけました。 Eventlet Libraryを使用しています。ここでは、最初のステップが最も重要です（標準のIOライブラリのモンキーパッチング）。

Nohupでこのスクリプトを背景に実行すると、あなたはすべて設定されています。

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

Eventletを使用してI/O並列性を示し、urllibを使用して1つのオブジェクトをダウンロードする単純な関数を記述し、グリーンパイルを使用して入力URLのリストにマッピングします。