从S3 bu下载300万个对象的最快方式

Question

我试过使用Python+boto+multiprocessing、S3cmd和J3tset，但都很难做到。

有什么建议，也许是你用过的现成剧本，或者是我不知道的其他方式？

编辑：

eventlet+boto是一个有价值的解决方案，如下所述。在这里找到了一篇好的eventlet参考文章http://web.archive.org/web/20110520140439/http://teddziuba.com/2010/02/eventlet-asynchronous-io-for-g.html

我已经添加了下面正在使用的python脚本。

Answer 1

好吧，我根据@Matt Billenstien的提示想出了一个解决方案。它使用eventlet库。第一步是最重要的（标准IO库的猴子补丁）。

用nohup在后台运行这个脚本，就可以了。

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来提供I/O并行性，编写一个简单的函数来使用urllib下载一个对象，然后使用一个GreenPile将其映射到一个输入url列表——一个50到100个greenlet的pile应该可以。。。