主頁 > 作業系統 > 另一個sftp到s3檔案上傳問題

另一個sftp到s3檔案上傳問題

2021-12-20 11:59:58 作業系統

最近,我面臨通過 SFTP 將大檔案(> 0.5 GB)傳輸到 S3 存盤的任務。正如我從 boto3 手冊中了解到的,我應該使用分段上傳。我遇到了一個很好的教程,并進行了一些小的更改,為自己嘗試了代碼。所以,長話短說 - 它有效,但速度很荒謬(~150 kb / s),在我的情況下(大檔案)尤其受到傷害。據我所知,paramiko 可能是一個瓶頸,但我對預取和不同緩沖區大小的實驗并沒有太大意義(我得到的最大結果是第一個塊(預取打開)大約 1500 kb/s,然后下拉到250-300 kb/s 用于 ~1.5 gb 檔案上的其他塊)。因此,由于我的想法用完了,非常感謝您對下一步嘗試的任何提示和想法,提前致謝!這是我的代碼:

AWS 會話包裝器

aws.py

import boto3
import os

def aws_session(region_name='us-east-1'):
    AWS_ACCESS_KEY_ID = os.environ.get('AWS_ACCESS_KEY_ID')
    AWS_ACCESS_KEY_SECRET = os.environ.get('AWS_ACCESS_KEY_SECRET')
    return boto3.session.Session(aws_access_key_id=AWS_ACCESS_KEY_ID,
                                 aws_secret_access_key=AWS_ACCESS_KEY_SECRET,
                                 region_name=region_name)

主腳本

流檔案

import paramiko
import math
import time
from aws import aws_session

from dotenv import load_dotenv

def open_sftp_connection(sftp_host, sftp_port, sftp_username, sftp_password):
    client = paramiko.SSHClient()
    client.load_system_host_keys()
    try:
        transport = paramiko.Transport(sftp_host, sftp_port)
    except Exception as e:
        return 'conn_error'
    try:
        transport.connect(username=sftp_username, password=sftp_password)
    except Exception as identifier:
        return 'auth_error'
    ftp_connection = paramiko.SFTPClient.from_transport(transport)
    return ftp_connection


def transfer_chunk_from_sftp_to_s3(sftp_file, s3_connection, multipart_upload, bucket_name,
                                  s3_file_path, part_number, chunk_size):
    start_time = time.time()
    chunk = sftp_file.read(int(chunk_size))
    part = s3_connection.upload_part(
        Bucket=bucket_name,
        Key=s3_file_path,
        PartNumber=part_number,
        UploadId=multipart_upload["UploadId"],
        Body=chunk)
    end_time = time.time()
    total_seconds = end_time - start_time
    print(
        "speed is {} kb/s total seconds taken {}".format(
           math.ceil((int(chunk_size) / 1024) / total_seconds), total_seconds
        )
    )
    part_output = {"PartNumber": part_number, "ETag": part["ETag"]}
    return part_output


def transfer_file_from_sftp_to_s3(bucket_name, sftp_host, sftp_port, sftp_path, 
                                  aws_s3_path, sftp_username, sftp_password, chunk_size=26214400):
    
    sftp_connection = open_sftp_connection(sftp_host, int(sftp_port), sftp_username, sftp_password)
    sftp_file = sftp_connection.file(sftp_path, "r", bufsize=-1)    
    s3_connection = aws_session().client('s3')
    sftp_file_size = sftp_file._get_size()
    print('file size: ', sftp_file_size)
    chunk_count = int(math.ceil(sftp_file_size / float(chunk_size)))
    print('amount of chunks: ', chunk_count)
    multipart_upload = s3_connection.create_multipart_upload(Bucket=bucket_name, Key=aws_s3_path)
    parts = []
    for i in range(chunk_count):
        print("Transferring chunk {}...".format(i   1))
        part = transfer_chunk_from_sftp_to_s3(
                  sftp_file,
                  s3_connection,
                  multipart_upload,
                  bucket_name,
                  aws_s3_path,
                  i   1,
                  chunk_size,
                )
        parts.append(part)
        print("Chunk {} Transferred Successfully!".format(i   1))

    part_info = {"Parts": parts}
    s3_connection.complete_multipart_upload(
        Bucket=bucket_name,
        Key=aws_s3_path,
        UploadId=multipart_upload["UploadId"],
        MultipartUpload=part_info,
    )
    sftp_file.close()

if __name__ == '__main__':

    load_dotenv()

    bucket_name=''
    sftp_host=''
    sftp_port=int('22')
    sftp_path=''
    aws_s3_path=''
    sftp_username=''
    sftp_password=''


    transfer_file_from_sftp_to_s3(
        bucket_name=bucket_name,
        sftp_host=sftp_host,
        sftp_port=22,
        sftp_path=sftp_path,
        aws_s3_path=aws_s3_path,
        sftp_username=sftp_username,
        sftp_password=sftp_password
    )

PS:我使用這個腳本的場景如下:我需要接受傳入的大檔案(從任何地方)通過管道處理它們,但處理管道是隔離的,因此無法從外部世界訪問(所有涉及資料的通信都是通過 S3 存盤完成)。我提出的解決方案的方案是中間的一臺小型機器,它可以接受 sftp 憑據,并將“流”(或逐塊上傳)檔案“流”到 S3 存盤,管道將從那里捕獲它并完成作業。

uj5u.com熱心網友回復:

這里有三個問題在起作用:

您將下載和上傳塊的時間計算為一次傳輸,因此如果下載需要 100 秒,上傳 1 mb 需要 10 秒,您報告的速度為 10kb/s(1mb / 110 秒)而不是 11kb/s其次是 103kb/s。我提到這一點是因為它隱藏了第二個問題。

Paramiko 對某些人的持續轉移存在一些問題。 paramiko上的這個錯誤有更多細節。

而且,除了這些問題之外,您還要傳輸一大塊,然后轉身上傳。在大多數環境中,這是一種浪費,即使運行良好,這通常也意味著您的下載花費了 1/2 的時間等待上傳。

您可以解決所有問題:

import paramiko
import boto3
import multiprocessing
import time

# Simple helper to track an activity and report the duration
# and how fast data was transferred
class SpeedTracker:
    def __init__(self):
        self._start = time.time()
        self._end = None
    def start(self):
        self._start = time.time()
    def end(self, bytes, desc):
        self._end = time.time()
        secs = self._end - self._start
        if secs > 0:
            print(f"{desc} done, {(bytes / 1048576) / secs:0.3f} MB/s")

class FastTransport(paramiko.Transport):
    # Correct issues with window size, see paramiko issue 175
    def __init__(self, sock):
        super(FastTransport, self).__init__(sock)
        self.window_size = 2147483647
        self.packetizer.REKEY_BYTES = pow(2, 40)
        self.packetizer.REKEY_PACKETS = pow(2, 40)

def open_sftp_connection(sftp_host, sftp_port, sftp_username, sftp_password, sftp_key):
    client = paramiko.SSHClient()
    client.load_system_host_keys()
    transport = FastTransport((sftp_host, sftp_port))
    # Not necessary, but here for testing purposes, support either
    # password or private key auth
    if sftp_password is not None:
        transport.connect(username=sftp_username, password=sftp_password)
    else:
        pkey = paramiko.RSAKey.from_private_key_file(sftp_key)
        transport.connect(username=sftp_username, pkey=pkey)
    ftp_connection = paramiko.SFTPClient.from_transport(transport)
    return ftp_connection

def pull_from_sftp(sftp_host, sftp_port, sftp_username, sftp_password, sftp_key, sftp_path, queue):
    sftp_connection = open_sftp_connection(sftp_host, int(sftp_port), sftp_username, sftp_password, sftp_key)
    sftp_file = sftp_connection.file(sftp_path, "rb")
    # Enable pipelined mode, see paramiko issue 175
    sftp_file.set_pipelined()
    # Allow the transfer to fill up data in a background thread
    sftp_file.prefetch()
    chunk_size = 8388608
    tracker = SpeedTracker()
    num = 0
    while True:
        # Download one chunk
        tracker.start()
        chunk = sftp_file.read(chunk_size)
        if len(chunk) == 0:
            # All done, time to stop work
            queue.put(None)
            sftp_file.close()
            break
        # Send the chunk off to the reader process
        num  = 1
        tracker.end(len(chunk), f"Downloaded chunk #{num}")
        queue.put(chunk)

def send_chunk_to_s3(s3_connection, multipart_upload, bucket_name,
                                  s3_file_path, part_number, chunk):
    # Upload one chunk to S3
    tracker = SpeedTracker()
    part = s3_connection.upload_part(
        Bucket=bucket_name,
        Key=s3_file_path,
        PartNumber=part_number,
        UploadId=multipart_upload["UploadId"],
        Body=chunk)
    tracker.end(len(chunk), f"Uploaded chunk #{part_number}")
    part_output = {"PartNumber": part_number, "ETag": part["ETag"]}
    return part_output

def transfer_file_from_sftp_to_s3(bucket_name, sftp_host, sftp_port, sftp_path, 
                                  aws_s3_path, sftp_username, sftp_password, sftp_key):
    # Start a worker process to get the data from SFTP
    queue = multiprocessing.Queue(10)
    proc = multiprocessing.Process(target=pull_from_sftp, args=(sftp_host, sftp_port, sftp_username, sftp_password, sftp_key, sftp_path, queue))
    proc.start()

    # And start reading from that worker to upload its results
    s3_connection = boto3.client('s3')
    multipart_upload = s3_connection.create_multipart_upload(Bucket=bucket_name, Key=aws_s3_path)
    parts = []
    while True:
        chunk = queue.get()
        if chunk is None:
            break
        part = send_chunk_to_s3(
            s3_connection,
            multipart_upload,
            bucket_name,
            aws_s3_path,
            len(parts)   1,
            chunk,
        )
        parts.append(part)

    # All done, clean up and finalize the multipart upload
    proc.join()
    part_info = {"Parts": parts}
    resp = s3_connection.complete_multipart_upload(
        Bucket=bucket_name,
        Key=aws_s3_path,
        UploadId=multipart_upload["UploadId"],
        MultipartUpload=part_info,
    )
    print(resp)

if __name__ == '__main__':
    sftp_host='TODO'
    sftp_port=int('22')
    sftp_path='TODO'
    sftp_username='TODO'
    sftp_password='TODO'
    sftp_key=None
    bucket_name='TODO'
    aws_s3_path='TODO'

    transfer_file_from_sftp_to_s3(
        bucket_name=bucket_name,
        sftp_host=sftp_host,
        sftp_port=22,
        sftp_path=sftp_path,
        aws_s3_path=aws_s3_path,
        sftp_username=sftp_username,
        sftp_password=sftp_password,
        sftp_key=sftp_key
    )

在我的本地機器上測驗,我看到下載和上傳速度大約為 40 MB/s,如果沒有錯誤修復,這當然更好。

轉載請註明出處,本文鏈接:https://www.uj5u.com/caozuo/386943.html

標籤:Python 亚马逊网络服务 亚马逊-s3 sftp 帕拉米科

上一篇:從非公共S3存盤桶下載檔案(.bin檔案)

下一篇:從同一存盤桶中另一個子檔案夾中的s3子檔案夾復制檔案

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • CA和證書

    1、在 CentOS7 中使用 gpg 創建 RSA 非對稱密鑰對 gpg --gen-key #Centos上生成公鑰/密鑰對(存放在家目錄.gnupg/) 2、將 CentOS7 匯出的公鑰,拷貝到 CentOS8 中,在 CentOS8 中使用 CentOS7 的公鑰加密一個檔案 gpg -a ......

    uj5u.com 2020-09-10 00:09:53 more
  • Kubernetes K8S之資源控制器Job和CronJob詳解

    Kubernetes的資源控制器Job和CronJob詳解與示例 ......

    uj5u.com 2020-09-10 00:10:45 more
  • VMware下安裝CentOS

    VMware下安裝CentOS 一、軟硬體準備 1 Centos鏡像準備 1.1 CentOS鏡像下載地址 下載地址 1.2 CentOS鏡像下載程序 點擊下載地址進入如下圖的網站,選擇需要下載的版本,這里選擇的是Centos8,點擊如圖所示。 決定選擇Centos8后,選擇想要的鏡像源進行下載,此 ......

    uj5u.com 2020-09-10 00:12:10 more
  • 如何使用Grep命令查找多個字串

    如何使用Grep 命令查找多個字串 大家好,我是良許! 今天向大家介紹一個非常有用的技巧,那就是使用 grep 命令查找多個字串。 簡單介紹一下,grep 命令可以理解為是一個功能強大的命令列工具,可以用它在一個或多個輸入檔案中搜索與正則運算式相匹配的文本,然后再將每個匹配的文本用標準輸出的格式 ......

    uj5u.com 2020-09-10 00:12:28 more
  • git配置http代理

    git配置http代理 經常遇到克隆 github 慢的問題,這里記錄一下幾種配置 git 代理的方法,解決 clone github 過慢。 目錄 git配置代理 git單獨配置github代理 git配置全域代理 配置終端環境變數 git配置代理 主要使用 git config 命令 git單獨 ......

    uj5u.com 2020-09-10 00:12:33 more
  • Linux npm install 裝包時提示Error EACCES permission denied解

    npm install 裝包時提示Error EACCES permission denied解決辦法 ......

    uj5u.com 2020-09-10 00:12:53 more
  • Centos 7下安裝nginx,使用yum install nginx,提示沒有可用的軟體包

    Centos 7下安裝nginx,使用yum install nginx,提示沒有可用的軟體包。 18 (flaskApi) [root@67 flaskDemo]# yum -y install nginx 19 已加載插件:fastestmirror, langpacks 20 Loading ......

    uj5u.com 2020-09-10 00:13:13 more
  • Linux查看服務器暴力破解ssh IP

    在公網的服務器上經常遇到別人爆破你服務器的22埠,用來挖礦或者干其他嘿嘿嘿的事情~ 這種情況下正確的做法是: 修改默認ssh的22埠 使用設定密鑰登錄或者白名單ip登錄 建議服務器密碼為復雜密碼 創建普通用戶登錄服務器(root權限過大) 建立堡壘機,實作統一管理服務器 統計爆破IP [root ......

    uj5u.com 2020-09-10 00:13:17 more
  • CentOS 7系統常見快捷鍵操作方式

    Linux系統中一些常見的快捷方式,可有效提高操作效率,在某些時刻也能避免操作失誤帶來的問題。 ......

    uj5u.com 2020-09-10 00:13:31 more
  • CentOS 7作業系統目錄結構介紹

    作業系統存在著大量的資料檔案資訊,相應檔案資訊會存在于系統相應目錄中,為了更好的管理資料資訊,會將系統進行一些目錄規劃,不同目錄存放不同的資源。 ......

    uj5u.com 2020-09-10 00:13:35 more
最新发布
  • vim的常用命令

    Vim的6種基本模式 1. 普通模式在普通模式中,用的編輯器命令,比如移動游標,洗掉文本等等。這也是Vim啟動后的默認模式。這正好和許多新用戶期待的操作方式相反(大多數編輯器默認模式為插入模式)。 2. 插入模式在這個模式中,大多數按鍵都會向文本緩沖中插入文本。大多數新用戶希望文本編輯器編輯程序中一 ......

    uj5u.com 2023-04-20 08:43:21 more
  • vim的常用命令

    Vim的6種基本模式 1. 普通模式在普通模式中,用的編輯器命令,比如移動游標,洗掉文本等等。這也是Vim啟動后的默認模式。這正好和許多新用戶期待的操作方式相反(大多數編輯器默認模式為插入模式)。 2. 插入模式在這個模式中,大多數按鍵都會向文本緩沖中插入文本。大多數新用戶希望文本編輯器編輯程序中一 ......

    uj5u.com 2023-04-20 08:42:36 more
  • docker學習

    ###Docker概述 真實專案部署環境可能非常復雜,傳統發布專案一個只需要一個jar包,運行環境需要單獨部署。而通過Docker可將jar包和相關環境(如jdk,redis,Hadoop...)等打包到docker鏡像里,將鏡像發布到Docker倉庫,部署時下載發布的鏡像,直接運行發布的鏡像即可。 ......

    uj5u.com 2023-04-19 09:26:53 more
  • 設定Windows主機的瀏覽器為wls2的默認瀏覽器

    這里以Chrome為例。 1. 準備作業 wsl是可以使用Windows主機上安裝的exe程式,出于安全考慮,默認情況下改功能是無法使用。要使用的話,終端需要以管理員權限啟動。 我這里以Windows Terminal為例,介紹如何默認使用管理員權限打開終端,具體操作如下圖所示: 2. 操作 wsl ......

    uj5u.com 2023-04-19 09:25:49 more
  • docker學習

    ###Docker概述 真實專案部署環境可能非常復雜,傳統發布專案一個只需要一個jar包,運行環境需要單獨部署。而通過Docker可將jar包和相關環境(如jdk,redis,Hadoop...)等打包到docker鏡像里,將鏡像發布到Docker倉庫,部署時下載發布的鏡像,直接運行發布的鏡像即可。 ......

    uj5u.com 2023-04-19 09:19:04 more
  • Linux學習筆記

    IP地址和主機名 IP地址 ifconfig可以用來查詢本機的IP地址,如果不能使用,可以通過install net-tools安裝。 Centos系統下ens33表示主網卡;inet后表示IP地址;lo表示本地回環網卡; 127.0.0.1表示代指本機;0.0.0.0可以用于代指本機,同時在放行設 ......

    uj5u.com 2023-04-18 06:52:01 more
  • 解決linux系統的kdump服務無法啟動的問題

    問題:專案麒麟系統服務器的kdump服務無法啟動,沒有相關日志無法定位問題。 1、查看服務狀態是關閉的,重啟系統也無法啟動 systemctl status kdump 2、修改grub引數,修改“crashkernel”為“512M(有的機器數值太大太小都會導致報錯,建議從128M開始試,或者加個 ......

    uj5u.com 2023-04-12 09:59:50 more
  • 解決linux系統的kdump服務無法啟動的問題

    問題:專案麒麟系統服務器的kdump服務無法啟動,沒有相關日志無法定位問題。 1、查看服務狀態是關閉的,重啟系統也無法啟動 systemctl status kdump 2、修改grub引數,修改“crashkernel”為“512M(有的機器數值太大太小都會導致報錯,建議從128M開始試,或者加個 ......

    uj5u.com 2023-04-12 09:59:01 more
  • 你是不是暴露了?

    作者:袁首京 原創文章,轉載時請保留此宣告,并給出原文連接。 如果您是計算機相關從業人員,那么應該經歷不止一次網路安全專項檢查了,你肯定是收到過資訊系統技術檢測報告,要求你加強風險監測,確保你提供的系統服務堅實可靠了。 沒檢測到問題還好,檢測到問題的話,有些處理起來還是挺麻煩的,尤其是線上正在運行的 ......

    uj5u.com 2023-04-05 16:52:56 more
  • 細節拉滿,80 張圖帶你一步一步推演 slab 記憶體池的設計與實作

    1. 前文回顧 在之前的幾篇記憶體管理系列文章中,筆者帶大家從宏觀角度完整地梳理了一遍 Linux 記憶體分配的整個鏈路,本文的主題依然是記憶體分配,這一次我們會從微觀的角度來探秘一下 Linux 內核中用于零散小記憶體塊分配的記憶體池 —— slab 分配器。 在本小節中,筆者還是按照以往的風格先帶大家簡單 ......

    uj5u.com 2023-04-05 16:44:11 more