使用Boto从AWS Glacier下载大型存档

Question

我正在尝试使用Python包Boto从Glacier下载大型存档（~1 TB）。 我使用的当前方法如下所示：

import os
import boto.glacier
import boto
import time

ACCESS_KEY_ID = 'XXXXX'
SECRET_ACCESS_KEY = 'XXXXX'
VAULT_NAME = 'XXXXX'
ARCHIVE_ID = 'XXXXX'
OUTPUT = 'XXXXX'

layer2 = boto.connect_glacier(aws_access_key_id = ACCESS_KEY_ID,
                              aws_secret_access_key = SECRET_ACCESS_KEY)

gv = layer2.get_vault(VAULT_NAME)

job = gv.retrieve_archive(ARCHIVE_ID)
job_id = job.id

while not job.completed:
    time.sleep(10)
    job = gv.get_job(job_id)

if job.completed:
    print "Downloading archive"
    job.download_to_file(OUTPUT)

问题是作业ID在24小时后到期，这还不足以检索整个存档。 我需要将下载分解为至少4个。 我该怎么做并将输出写入单个文件？

Answer 1

看来你可以在调用job.download_to_file时简单地指定chunk_size参数， job.download_to_file所示：

if job.completed:
    print "Downloading archive"
    job.download_to_file(OUTPUT, chunk_size=1024*1024)

但是，如果您无法在24小时内下载所有块，我认为您不能选择仅使用layer2下载您错过的那个块。

第一种方法

使用layer1，您只需使用方法get_job_output并指定要下载的字节范围。

看起来像这样：

file_size = check_file_size(OUTPUT)

if job.completed:
    print "Downloading archive"
    with open(OUTPUT, 'wb') as output_file:
        i = 0
        while True:
            response = gv.get_job_output(VAULT_NAME, job_id, (file_size + 1024 * 1024 * i, file_size + 1024 * 1024 * (i + 1)))
            output_file.write(response)
            if len(response) < 1024 * 1024:
                break
            i += 1

使用此脚本，您应该能够在脚本失败时重新运行该脚本，并继续将您的存档下载到您离开的位置。

第二种方法

通过挖掘boto代码，我在Job类中找到了一个你也可以使用的“私有”方法： _download_byte_range 。 使用此方法，您仍然可以使用layer2。

file_size = check_file_size(OUTPUT)

if job.completed:
    print "Downloading archive"
    with open(OUTPUT, 'wb') as output_file:
        i = 0
        while True:
            response = job._download_byte_range(file_size + 1024 * 1024 * i, file_size + 1024 * 1024 * (i + 1)))
            output_file.write(response)
            if len(response) < 1024 * 1024:
                break
            i += 1

Answer 2

您必须在boto.connect_glacier函数中添加region_name，如下所示：

    layer2 = boto.connect_glacier(aws_access_key_id = ACCESS_KEY_ID,
                                aws_secret_access_key = SECRET_ACCESS_KEY,
                                region_name = 'your region name')