您可以使用流而不是本地文件上传到 S3 吗？

Question

我需要创建一个 CSV 并将其上传到 S3 存储桶。由于我是动态创建文件的，所以如果我可以在创建文件时将其直接写入 S3 存储桶，而不是在本地写入整个文件，然后在最后上传文件，那会更好。

有没有办法做到这一点？我的项目是用 Python 编写的，而且我对这门语言还很陌生。到目前为止，这是我尝试过的：

import csv
import csv
import io
import boto
from boto.s3.key import Key


conn = boto.connect_s3()
bucket = conn.get_bucket('dev-vs')
k = Key(bucket)
k.key = 'foo/foobar'

fieldnames = ['first_name', 'last_name']
writer = csv.DictWriter(io.StringIO(), fieldnames=fieldnames)
k.set_contents_from_stream(writer.writeheader())

我收到了这个错误：BotoClientError: s3 does not support chunked transfer

更新：我找到了一种直接写入 S3 的方法，但我找不到清除缓冲区而不实际删除我已经写过的行的方法。所以，例如：

conn = boto.connect_s3()
bucket = conn.get_bucket('dev-vs')
k = Key(bucket)
k.key = 'foo/foobar'

testDict = [{
    "fieldA": "8",
    "fieldB": None,
    "fieldC": "888888888888"},
    {
    "fieldA": "9",
    "fieldB": None,
    "fieldC": "99999999999"}]

f = io.StringIO()
fieldnames = ['fieldA', 'fieldB', 'fieldC']
writer = csv.DictWriter(f, fieldnames=fieldnames)
writer.writeheader()
k.set_contents_from_string(f.getvalue())

for row in testDict:
    writer.writerow(row)
    k.set_contents_from_string(f.getvalue())

f.close()

向文件写入 3 行，但是我无法释放内存来写入大文件。如果我添加：

f.seek(0)
f.truncate(0)

到循环，然后只写入文件的最后一行。有什么方法可以释放资源而不删除文件中的行？

Answer 1

我确实找到了我的问题的解决方案，我会在这里发布以防其他人感兴趣。我决定将其作为分段上传的一部分。您无法流式传输到 S3。还有一个包可以将您的流文件更改为我使用的分段上传：Smart Open。

import smart_open
import io
import csv

testDict = [{
    "fieldA": "8",
    "fieldB": None,
    "fieldC": "888888888888"},
    {
    "fieldA": "9",
    "fieldB": None,
    "fieldC": "99999999999"}]

fieldnames = ['fieldA', 'fieldB', 'fieldC']
f = io.StringIO()
with smart_open.smart_open('s3://dev-test/bar/foo.csv', 'wb') as fout:
    writer = csv.DictWriter(f, fieldnames=fieldnames)
    writer.writeheader()
    fout.write(f.getvalue())

    for row in testDict:
        f.seek(0)
        f.truncate(0)
        writer.writerow(row)
        fout.write(f.getvalue())

f.close()

Answer 2

当文件内容作为 Django 请求中的 InMemoryUploadedFile 对象通过时，我们试图将文件内容上传到 s3。我们最终做了以下事情，因为我们不想在本地保存文件。希望对您有所帮助：

@action(detail=False, methods=['post'])
def upload_document(self, request):
     document = request.data.get('image').file
     s3.upload_fileobj(document, BUCKET_NAME, 
                                 DESIRED_NAME_OF_FILE_IN_S3, 
                                 ExtraArgs={"ServerSideEncryption": "aws:kms"})

Answer 3

根据docs这是可能的

s3.Object('mybucket', 'hello.txt').put(Body=open('/tmp/hello.txt', 'rb'))

所以我们可以正常使用StringIO

更新：来自@inquiring minds 的smart_open lib 答案是更好的解决方案

Answer 4

这是一个使用boto3的完整示例

import boto3
import io

session = boto3.Session(
    aws_access_key_id="...",
    aws_secret_access_key="..."
)

s3 = session.resource("s3")

buff = io.BytesIO()

buff.write("test1\n".encode())
buff.write("test2\n".encode())

s3.Object(bucket, keypath).put(Body=buff.getvalue())

Answer 5

GitHub smart_open 问题 (#82) 中提到了一个有趣的代码解决方案，我一直想尝试。在这里复制粘贴以供后代使用...看起来需要boto3：

csv_data = io.BytesIO()
writer = csv.writer(csv_data)
writer.writerows(my_data)

gz_stream = io.BytesIO()
with gzip.GzipFile(fileobj=gz_stream, mode="w") as gz:
    gz.write(csv_data.getvalue())
gz_stream.seek(0)

s3 = boto3.client('s3')
s3.upload_fileobj(gz_stream, bucket_name, key)

这个特定示例是流式传输到压缩的 S3 密钥/文件，但它似乎是通用方法——使用 boto3 S3 客户端的 upload_fileobj() 方法与目标流而不是文件结合——应该可以工作.

Answer 6

有一个得到很好支持的库可以做到这一点：

pip install s3fs

s3fs 用起来真的很简单：

import s3fs

s3fs.S3FileSystem(anon=False)

with s3.open('mybucket/new-file', 'wb') as f:
    f.write(2*2**20 * b'a')
    f.write(2*2**20 * b'a')

---

顺便说一句，boto3 中还内置了一些东西（由 AWS API 支持），称为 MultiPartUpload。

这不是作为 python 流的因素，这对某些人来说可能是一个优势。相反，您可以开始上传并一次发送一个部分。

Answer 7

要将字符串写入 S3 对象，请使用：

s3.Object('my_bucket', 'my_file.txt').put('Hello there')

所以将流转换为字符串，就可以了。