如何使用 boto 将文件从 Amazon S3 流式传输到 Rackspace Cloudfiles？

Question

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？

Answer 1

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：

• 包裹流体
• 另一个相关线程
• boto3 github 中请求 StreamingBody 的一个问题是一个正确的流- 已关闭！！！

Answer 2

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。

Answer 3

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())

Answer 4

Botocore 的StreamingBody有一个iter_lines()方法：

https://botocore.amazonaws.com/v1/documentation/api/latest/reference/response.html#botocore.response.StreamingBody.iter_lines

所以：

import boto3
s3r = boto3.resource('s3')
iterator = s3r.Object(bucket, key).get()['Body'].iter_lines()

for line in iterator:
    print(line)

Answer 5

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