snowball uploader
1.0.0
수십억 파일을 Snowballedge로 효율적으로 옮기는 스크립트
- 2022.01.19
- added option to bypass setting the auto-extract metadata tag
- 2021.02.20
- save filelist_dir as filelist-currentdata.gz when executing genlist
- 2021.02.20
- performance improvement of genlist; dumping file list, not each line
- 2021.02.20
- replacing scandir.walk to os.walk. already os.walk module patched with scandir after python3.5
- 2021.02.10
- replacing os.path with scandir.path to improve performance of file listing
- 2021.02.09
- python2 compatibility for "open(filename, endoding)"
- 2021.02.01
- modifying to support Windows
- refactoring for more accurate defining of variables
- 2021.01.26
- multi processing support for parallel uploading of tar files
- relevant parameter: max_process
- 2021.01.25
- removing yaml feature, due for it to cause too much cpu consumtion and low performance
- fixing bug which use two profiles(sbe1, default), now only use "sbe1" profile
- showing progress
- 2020.02.25
- changing filelist file to contain the target filename
- 2020.02.24
- fixing FIFO error
- adding example of real snowball configuration
- 2020.02.22 - limiting multi-thread numbers
- adding multi-threading to improve performance
- adding fifo operation to reducing for big file which is over max_part_size
- 2020.02.19
- removing tarfiles_one_time logic
- spliting buffer by max_part_size
- 2020.02.18:
- supprt snowball limit:
- max_part_size: 512mb
- min_part_size: 5mb
- 2020.02.14:
- modifying for python3
- support korean in Windows
- 2020.02.12: adding features
- gen_filelist by size
- 2020.02.10: changing filename from tar_to_s3_v7_multipart.py to snowball_uploader_8.py
- adding features which can split tar file by size and count.
- adding feature which create file list
- showing help message
Snowball_uploader는 많은 파일을 효율적으로 Snowball 또는 Snowballedge 로 이동하여 Petabyte 파일을 S3로 마이그레이션하기위한 AWS의 기기로 옮기기 위해 개발되었습니다. 특히 수백만 개의 작은 파일이 있으면 양도하는 데 너무 오래 걸리면 프로젝트를 지연시키고 눈덩이 대출에 높은 비용이 발생합니다. 그러나 Snowball_uploader를 사용하면 전송 시간을 단축 할 수 있습니다. 파일을 메모리의 일부로 보관하고 큰 청크를 보내고 여러 타르 파일로 집계를 보냅니다.
처음에는 성능 결과를 보여 드리겠습니다. 첫 번째 눈덩이 결과는 이름을 변경하는 동안 각 파일을 업로드 할 때 측정되며, 두 번째 결과는 TAR로 아카이브 파일을 만들고 메모리에서 Snowball로 보낸 스크립트를 적용 할 때 측정됩니다. 아래 테이블과 숫자를 사용하면 두 번째 옵션으로 최소 7 배 더 나은 성능을 볼 수 있습니다.
| 목표 | 파일 수 | 총 용량 | NAS-> 눈덩이 시간 | 눈덩이 -> S3 시간 | 실패한 개체 |
|---|---|---|---|---|---|
| 첫 번째 눈덩이 공연 | 19,567,430 | 2,408GB | 1W | 113 시간 | 954 |
| 두 번째 눈덩이 공연 | 대략 119,577,235 | 14,708GB | 1W | 26 시간 | 0 |
bucket_name = "your-own-bucket"
session = boto3 . Session ( profile_name = 'sbe1' )
s3 = session . client ( 's3' , endpoint_url = 'http://10.10.10.10:8080' )
# or below
#s3 = boto3.client('s3', endpoint_url='https://s3.ap-northeast-2.amazonaws.com')
#s3 = boto3.client('s3', region_name='ap-northeast-2', endpoint_url='https://s3.ap-northeast-2.amazonaws.com', aws_access_key_id=None, aws_secret_access_key=None)
target_path = '/move/to/s3/orgin/' ## very important!! change to your source directory
max_tarfile_size = 10 * 1024 ** 3 # 10GB
max_part_size = 300 * 1024 ** 2 # 300MB
min_part_size = 5 * 1024 ** 2 # 5MB
max_process = 5 # concurrent processes, set the value to less than filelist files in file list_dir
if os . name == 'nt' :
filelist_dir = "C:/Temp/fl_logdir_dkfjpoiwqjefkdjf/" #for windows
else :
filelist_dir = '/tmp/fl_logdir_dkfjpoiwqjefkdjf/' #for linux ec2-user > python3 snowball_uploader.py genlistGenList 매개 변수는 원본 파일과 대상 파일이 포함 된 매니페스트 파일을 생성합니다. 이 매개 변수는 파일을 대처하기 전에 실행해야합니다.
ec2-user > ls /tmp/fl_logdir_dkfjpoiwqjefkdjf
fl_1.yml fl_2.yml fl_3.yml fl_4.yml fl_5.ymlec2-suer > cat f1_1.yaml
- ./snowball_uploader_11_failed.py: ./snowball_uploader_11_failed.py
- ./success_fl_2.yaml_20200226_002049.log: ./success_fl_2.yaml_20200226_002049.log
- ./file_list.txt: ./file_list.txt
- ./snowball-fl_1-20200218_151840.tar: ./snowball-fl_1-20200218_151840.tar
- ./bytesio_test.py: ./bytesio_test.py
- ./filelist_dir1_10000.txt: ./filelist_dir1_10000.txt
- ./snowball_uploader_14_success.py: ./snowball_uploader_14_success.py
- ./error_fl_1.txt_20200225_022018.log: ./error_fl_1.txt_20200225_022018.log
- ./snowball_uploader_debug_success.py: ./snowball_uploader_debug_success.py
- ./success_fl_1.txt_20200225_022018.log: ./success_fl_1.txt_20200225_022018.log
- ./snowball_uploader_20_thread.py: ./snowball_uploader_20_thread.py
- ./success_fl_1.yml_20200229_173222.log: ./success_fl_1.yml_20200229_173222.log
- ./snowball_uploader_14_ing.py: ./snowball_uploader_14_ing.py def rename_file ( org_file ):
target_file = org_file ##
return target_file CP_SNOWBALL 매개 변수는 파일을 Snowball 로 전송합니다
스크립트가 실행되면 두 개의 로그 파일을 만듭니다. success_'file_name ' 'timestamp'.log 및 오류 'file_name'_ 'timestamp'.log
#print ('n')
print ( 'genlist: ' )
print ( 'this option will generate files which are containing target files list in %s' % ( filelist_dir ))
#print ('n')
print ( 'cp_snowball: ' )
print ( 'cp_snowball option will copy the files on server to snowball efficiently' )
print ( 'the mechanism is here:' )
print ( '1. reads the target file name from the one filelist file in filelist directory' )
print ( '2. accumulates files to max_part_size in memory' )
print ( '3. if it reachs max_part_size, send it to snowball using MultiPartUpload' )
print ( '4. during sending data chunk, threads are invoked to max_thread' )
print ( '5. after complete to send, tar file is generated in snowball' )
print ( '6. then, moves to the next filelist file recursively' )저는 전문 프로그래머가 아니기 때문에 약간의 결함이있을 수 있습니다. 오류 처리는 매우 열악합니다. 또한이 스크립트는 너무 많은 수의 매개 변수 (max_threads, max_part_size 및 max_tarfile_size)를 설정하면 시스템의 동결을 유발할 수 있습니다. 따라서 샘플 데이터로 여러 번 테스트하십시오. 고객 사이트에서 사용하면 소비 시간이 10 번 이상 줄었습니다. 이 스크립트에서도 도움을받을 수 있기를 바랍니다.
