snowball uploader
1.0.0
Сценарий для эффективного перемещения миллиардов файлов в Snowballedge
- 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_uploader разработан для эффективного перемещения многих файлов в снежный ком или снежный шлик , который является прибором AWS для миграции файлов Petabyte на S3. Особенно, когда есть миллионы небольших файлов, для их передачи требуется слишком много времени, а затем задержит проект и приведет к высокой стоимости для предоставления снежного кома. Однако, используя Snowball_uploader , вы можете сократить время передачи. Он архивирует файлы в детали в памяти, отправляет большую часть и агрегирует в нескольких файлах TAR.
Сначала я покажу вам результат производительности. 1 -й результат снежного кома измеряется при загрузке каждого файла при изменении имени, и 2 -й результат измеряется при применении сценария, который делает архивные файлы с смолой и отправляется в снежный ком. С таблицей ниже и номерами вы заметите, по крайней мере, в 7 раз лучше со 2 -м вариантом.
| Цель | Количество файлов | Общая мощность | NAS -> время снежного кома | Снежный ком -> S3 Time | Неудачные объекты |
|---|---|---|---|---|---|
| 1 -е выступление снежного кома | 19 567 430 | 2408 ГБ | 1 Вт | 113 часа | 954 |
| 2 -е выступление снежного кома | примерно 119 577 235 | 14 708 ГБ | 1 Вт | 26 часов | 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 genlistПараметр GenList генерирует манифестные файлы, содержащие исходные файлы и целевые файлы. Этот параметр следует запускать, прежде чем преодолеть файлы.
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 Параметр cp_snowball будет передавать файлы в снежный шлик
Когда сценарий запускается, он создает два файла журнала, Success_’'file_name ' ' TimeStamp'.log и ошибка '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' )Я не профессиональный программист, поэтому может быть какой -то недостаток, обработка ошибок очень плохая. И этот скрипт может потреблять огромный объем памяти, если вы устанавливаете слишком большое количество параметров (max_threads, max_part_size и max_tarfile_size), тогда он может вызвать замораживание системы. Так что протестируйте его несколько раз с помощью образцов данных. Когда я использовал его на сайтах клиентов, он сократил время потребления более 10 раз. Я надеюсь, что вы сможете получить помощь от этого сценария.
