使用boto3 lib和AWS Lambda从位于S3存储桶中的压缩文件中获取数据流-Java 学习之路

我正在尝试为我的chron作业创建一个无服务器处理器 . 在这个作业中，我从我的一个客户端收到我的S3存储桶中的压缩文件，文件大小约为 50MB 但是一旦你解压缩它，它就变成 1.5GB 了由于我无法从S3存储桶下载此文件并将其解压缩到我的Lambda上，因此AWS Lambda上可用空间的硬限制是 500MB ，我已成功解压缩文件并使用 funzip 逐行流式传输内容在unix脚本中 .

for x in $files ; do echo -n "$x: " ; timeout 5 aws s3 cp $monkeydir/$x - | funzip

我的名字： MonkeyBusiness 密钥： /Daily/Business/Banana/{current-date} 对象： banana.zip

但是现在因为我试图使用boto3实现相同的输出，我如何将压缩内容流式传输到sys i / o并解压缩流将内容保存在单独的文件中，每行除以10000行，然后将分块文件上传回S3 . 需要指导，因为我是AWS和boto3的新手 .

如果您需要有关该工作的更多详细信息，请与我们联系 .

下面给出的建议解决方案在这里不适用，因为zlib文档明确指出所述lib与gzip文件格式兼容，我的问题是zip文件格式 .

import zlib

def stream_gzip_decompress(stream):
    dec = zlib.decompressobj(32 + zlib.MAX_WBITS)  # offset 32 to skip the header
    for chunk in stream:
        rv = dec.decompress(chunk)
        if rv:
            yield rv

2 回答

所以我使用BytesIO将压缩文件读入缓冲区对象，然后我使用zipfile打开解压缩的流作为未压缩的数据，我能够逐行获取基准 .

import io
import zipfile
import boto3
import sys

s3 = boto3.resource('s3', 'us-east-1')


def stream_zip_file():
    count = 0
    obj = s3.Object(
        bucket_name='MonkeyBusiness',
        key='/Daily/Business/Banana/{current-date}/banana.zip'
    )
    buffer = io.BytesIO(obj.get()["Body"].read())
    print (buffer)
    z = zipfile.ZipFile(buffer)
    foo2 = z.open(z.infolist()[0])
    print(sys.getsizeof(foo2))
    line_counter = 0
    for _ in foo2:
        line_counter += 1
    print (line_counter)
    z.close()


if __name__ == '__main__':
    stream_zip_file()

回复于 2024-04-29T12:11:31+08:00

1
这不是确切的答案 . 但你可以尝试一下 .

首先，请调整answer that mentioned about gzip file with limited memory，这个方法允许一个按块传输文件块 . 并且boto3 S3 put_object（）和upload_fileobj似乎允许流式传输 .

您需要使用以下解压缩来混合和调整上述代码 .
```
stream = cStringIO.StringIO()
stream.write(s3_data)
stream.seek(0)
blocksize = 1 << 16  #64kb
with gzip.GzipFile(fileobj=stream) as decompressor:
    while True:
        boto3.client.upload_fileobj(decompressor.read(blocksize), "bucket", "key")
```
我无法保证上面的代码能够正常工作，它只是给你一个解压缩文件并通过块重新上传它的想法 . 您甚至可能需要将解压缩数据传输到ByteIo并将管道传递给upload_fileobj . 有很多测试 .

如果您不需要尽快解压缩文件，我的建议是使用lambda将文件放入SQS队列 . 当有“足够”的文件时，触发将读取队列并处理文件的SPOT实例（这将非常便宜） .
回复于 2024-04-29T12:11:31+08:00

使用boto3 lib和AWS Lambda从位于S3存储桶中的压缩文件中获取数据流

2 回答

相关问题