使用 AWS S3 开发工具包(适用于 .NET)从 Amazon S3 下载并行批处理文件

本文关键字：S3 Amazon 并行 批处理文件 NET 下载 适用于 开发 AWS 开发工具 工具包 | 更新日期: 2023-09-27 18:33:36

问题：我想使用他们的 .NET 开发工具包从 AWS S3 并行下载 100 个文件。下载的内容应该存储在 100 个内存流中(文件足够小，我可以从那里获取(。我在 .NET 4.0 中的 Task、IAsyncResult、Parallel.* 和其他不同方法之间感到困惑。

如果我尝试自己解决问题，我会想象像这样的东西：(编辑以向某些变量添加类型(

using Amazon;
using Amazon.S3;
using Amazon.S3.Model;
AmazonS3 _s3 = ...;
IEnumerable<GetObjectRequest> requestObjects = ...;

// Prepare to launch requests
var asyncRequests = from rq in requestObjects 
    select _s3.BeginGetObject(rq,null,null);
// Launch requests
var asyncRequestsLaunched = asyncRequests.ToList();
// Prepare to finish requests
var responses = from rq in asyncRequestsLaunched 
    select _s3.EndGetRequest(rq);
// Finish requests
var actualResponses = responses.ToList();
// Fetch data
var data = actualResponses.Select(rp => {
    var ms = new MemoryStream(); 
    rp.ResponseStream.CopyTo(ms); 
    return ms;
});

此代码并行启动 100 个请求，这很好。但是，存在两个问题：

  1. 最后一条语句将串行下载文件，而不是并行下载文件。流中似乎没有 BeginCopyTo((/EndCopyTo(( 方法...
  2. 在所有请求响应之前，前面的语句不会放开。换句话说，在全部文件启动之前，任何文件都不会开始下载。

所以在这里我开始认为我走错了路......

帮助？

使用 AWS S3 开发工具包(适用于 .NET)从 Amazon S3 下载并行批处理文件

如果将操作分解为一个异步处理一个请求然后调用它 100 次的方法，可能会更容易。

首先，让我们确定您想要的最终结果。 由于您将使用的是MemoryStream这意味着您需要从方法返回Task<MemoryStream>。 签名将如下所示：

static Task<MemoryStream> GetMemoryStreamAsync(AmazonS3 s3, 
    GetObjectRequest request)

由于 AmazonS3 对象实现了异步设计模式，因此可以在 TaskFactory 类上使用 FromAsync 方法从实现异步设计模式的类生成Task<T>，如下所示：

static Task<MemoryStream> GetMemoryStreamAsync(AmazonS3 s3, 
    GetObjectRequest request)
{
    Task<GetObjectResponse> response = 
        Task.Factory.FromAsync<GetObjectRequest,GetObjectResponse>(
            s3.BeginGetObject, s3.EndGetObject, request, null);
    // But what goes here?

所以你已经处于一个好地方，你有一个Task<T>，你可以等待或在通话完成时得到回拨。 但是，您需要以某种方式将从调用Task<GetObjectResponse>返回的GetObjectResponse转换为MemoryStream。

为此，您希望在 Task<T> 类上使用 ContinueWith 方法。 可以将其视为Enumerable类上 Select 方法的异步版本，它只是对另一个Task<T>的投影，只是每次调用 ContinueWith 时，您都可能创建一个运行该部分代码的新任务。

这样，您的方法如下所示：

static Task<MemoryStream> GetMemoryStreamAsync(AmazonS3 s3, 
    GetObjectRequest request)
{
    // Start the task of downloading.
    Task<GetObjectResponse> response = 
        Task.Factory.FromAsync<GetObjectRequest,GetObjectResponse>(
            s3.BeginGetObject, s3.EndGetObject, request, null
        );
    // Translate.
    Task<MemoryStream> translation = response.ContinueWith(t => {
        using (Task<GetObjectResponse> resp = t ){
            var ms = new MemoryStream(); 
            t.Result.ResponseStream.CopyTo(ms); 
            return ms;
        } 
    });
    // Return the full task chain.
    return translation;
}

请注意，在上面，您可以调用ContinueWith传递TaskContinuationOptions.ExecuteSynchronously的重载，因为看起来您正在做最少的工作(我无法判断，响应可能很大(。 如果您正在执行非常小的工作，并且为了完成工作而启动新任务是有害的，则应传递TaskContinuationOptions.ExecuteSynchronously，以免浪费时间为最少的操作创建新任务。

现在您已经有了可以将一个请求转换为Task<MemoryStream>的方法，创建一个将处理任意数量的包装器很简单：

static Task<MemoryStream>[] GetMemoryStreamsAsync(AmazonS3 s3,
    IEnumerable<GetObjectRequest> requests)
{
    // Just call Select on the requests, passing our translation into
    // a Task<MemoryStream>.
    // Also, materialize here, so that the tasks are "hot" when
    // returned.
    return requests.Select(r => GetMemoryStreamAsync(s3, r)).
        ToArray();
}

在上面，您只需获取GetObjectRequest实例的序列，它将返回一个Task<MemoryStream>数组。 它返回物化序列的事实很重要。 如果在返回之前未具体化它，则在循环访问序列之前不会创建任务。

当然，如果你想要这种行为，那么一定要删除对.ToArray()的调用，让方法返回IEnumerable<Task<MemoryStream>>，然后在你迭代任务时发出请求。

从那里，您可以一次处理一个(在循环中使用 Task.WaitAny 方法(或等待所有它们完成(通过调用 Task.WaitAll 方法(。 后者的一个例子是：

static IList<MemoryStream> GetMemoryStreams(AmazonS3 s3, 
    IEnumerable<GetObjectRequest> requests)
{
    Task<MemoryStream>[] tasks = GetMemoryStreamsAsync(s3, requests);
    Task.WaitAll(tasks);
    return tasks.Select(t => t.Result).ToList();
}

另外，应该提到的是，这非常适合反应式扩展框架，因为它非常适合IObservable<T>实现。

您可以使用 Nexus.Core 包中的 Nexus.Tasks。

var response = await fileNames
.WhenAll(item => GetObject(item, cancellationToken), 10, cancellationToken)
.ConfigureAwait(false);
相关文章：