[英]How can I use boto to stream a file out of Amazon S3 to Rackspace Cloudfiles?
我正在将文件从 S3 复制到 Cloudfiles,我想避免将文件写入磁盘。 Python-Cloudfiles 库有一个 object.stream() 调用,看起来是我需要的,但我在 boto 中找不到等效的调用。 我希望我能够做这样的事情:
shutil.copyfileobj(s3Object.stream(),rsObject.stream())
这对 boto ( 或者我想任何其他 s3 库) 是否可行?
此线程中的其他答案与 boto 相关,但 S3.Object 在 boto3 中不再可迭代。 因此,以下TypeError: 's3.Object' object is not iterable
,它会产生TypeError: 's3.Object' object is not iterable
错误消息:
s3 = boto3.session.Session(profile_name=my_profile).resource('s3')
s3_obj = s3.Object(bucket_name=my_bucket, key=my_key)
with io.FileIO('sample.txt', 'w') as file:
for i in s3_obj:
file.write(i)
在 boto3 中,对象的内容在S3.Object.get()['Body']
可用,它自1.9.68版以来是可迭代的,但以前不是。 因此,以下内容适用于最新版本的 boto3,但不适用于早期版本:
body = s3_obj.get()['Body']
with io.FileIO('sample.txt', 'w') as file:
for i in body:
file.write(i)
因此,旧 boto3 版本的替代方法是使用 read 方法,但这会在内存中加载整个 S3 对象,这在处理大文件时并不总是可行的:
body = s3_obj.get()['Body']
with io.FileIO('sample.txt', 'w') as file:
for i in body.read():
file.write(i)
但是read
方法允许传入amt
参数,指定我们要从底层流读取的字节数。 可以重复调用此方法,直到读取了整个流:
body = s3_obj.get()['Body']
with io.FileIO('sample.txt', 'w') as file:
while file.write(body.read(amt=512)):
pass
深入研究botocore.response.StreamingBody
代码一发现底层流也是可用的,所以我们可以迭代如下:
body = s3_obj.get()['Body']
with io.FileIO('sample.txt', 'w') as file:
for b in body._raw_stream:
file.write(b)
在谷歌搜索时,我也看到了一些可以使用的链接,但我没有尝试过:
我认为至少有一些看到这个问题的人会像我一样,想要一种从 boto 逐行(或逗号一个逗号,或任何其他分隔符)流式传输文件的方法。 这是一个简单的方法来做到这一点:
def getS3ResultsAsIterator(self, aws_access_info, key, prefix):
s3_conn = S3Connection(**aws_access)
bucket_obj = s3_conn.get_bucket(key)
# go through the list of files in the key
for f in bucket_obj.list(prefix=prefix):
unfinished_line = ''
for byte in f:
byte = unfinished_line + byte
#split on whatever, or use a regex with re.split()
lines = byte.split('\n')
unfinished_line = lines.pop()
for line in lines:
yield line
@garnaat 上面的回答仍然很棒,而且 100% 正确。 希望我的仍然可以帮助某人。
boto 中的 Key 对象代表 S3 中的对象,可以像迭代器一样使用,因此您应该能够执行以下操作:
>>> import boto
>>> c = boto.connect_s3()
>>> bucket = c.lookup('garnaat_pub')
>>> key = bucket.lookup('Scan1.jpg')
>>> for bytes in key:
... write bytes to output stream
或者,就像你的例子一样,你可以这样做:
>>> shutil.copyfileobj(key, rsObject.stream())
Botocore 的StreamingBody
有一个iter_lines()
方法:
所以:
import boto3
s3r = boto3.resource('s3')
iterator = s3r.Object(bucket, key).get()['Body'].iter_lines()
for line in iterator:
print(line)
这是我包装流体的解决方案:
import io
class S3ObjectInterator(io.RawIOBase):
def __init__(self, bucket, key):
"""Initialize with S3 bucket and key names"""
self.s3c = boto3.client('s3')
self.obj_stream = self.s3c.get_object(Bucket=bucket, Key=key)['Body']
def read(self, n=-1):
"""Read from the stream"""
return self.obj_stream.read() if n == -1 else self.obj_stream.read(n)
用法示例:
obj_stream = S3ObjectInterator(bucket, key)
for line in obj_stream:
print line
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.