如何将 tar 压缩操作通过管道传输到 aws s3 cp？

Question

我正在用 bash 编写一个自定义备份脚本以供个人使用。目标是通过 tar/gzip 压缩目录的内容，拆分压缩存档，然后将部分上传到 AWS S3。

几个月前我第一次尝试编写这个脚本时，我能够通过以下方式让它工作：

tar -czf - /mnt/STORAGE_0/dir_to_backup | split -b 100M -d -a 4 - /mnt/SCRATCH/backup.tgz.part
aws s3 sync /mnt/SCRATCH/ s3://backups/ --delete
rm /mnt/SCRATCH/*

这对我的目的很有效，但需要/mnt/SCRATCH 有足够的磁盘空间来存储压缩目录。现在我想改进这个脚本，不必依赖/mnt/SCRATCH 有足够的空间，并做了一些研究。我最终得到了类似的东西：

tar -czf - /mnt/STORAGE_0/dir_to_backup | split -b 100M -d -a 4 --filter "aws s3 cp - s3://backups/backup.tgz.part" -

这几乎可以工作，但我的 S3 存储桶上的目标文件名不是动态的，而且它似乎只是在运行时多次覆盖 backup.tgz.part 文件。最终结果只是一个 100MB 的文件，而预期的几个 100MB 文件以.part0001 结尾。

任何指导将不胜感激。谢谢！

Answer 1

当使用split 时，您可以使用环境变量$FILE 来获取生成的文件名。 见split man page：

--filter=COMMAND
     write to shell COMMAND; file name is $FILE

对于您的用例，您可以使用以下内容：

--filter 'aws s3 cp - s3://backups/backup.tgz.part$FILE'

（需要单引号，否则会立即进行环境变量替换）

这将在 aws 上生成以下文件名：

backup.tgz.partx0000
backup.tgz.partx0001
backup.tgz.partx0002
...

完整示例：

tar -czf - /mnt/STORAGE_0/dir_to_backup | split -b 100M -d -a 4 --filter 'aws s3 cp - s3://backups/backup.tgz.part$FILE' -

Answer 2

您应该能够使用 GNU Parallel 轻松并行地完成它。它具有--pipe 选项，可将输入数据拆分为大小为--block 的块，并将其分配给多个并行进程。

因此，如果您想使用 100MB 块并并行使用 CPU 的所有内核，并将块号 ({#}) 附加到 AWS 上的文件名末尾，您的命令将如下所示：

tar czf - something | parallel --pipe --block 100M --recend '' aws s3 cp - s3://backups/backup.tgz.part{#}

parallel -j4 可以只使用 4 个 CPU 内核而不是所有内核。

请注意，我将 "record end" 字符设置为空，这样它就不会试图避免分割中线，这是它的默认行为，并且比二进制文件更适合文本文件处理像压缩包。