Download di oggetti suddivisi

Una strategia per scaricare file di grandi dimensioni è chiamata download di oggetti suddivisi. In un download di questo tipo, le richieste GET vengono effettuate in parallelo, memorizzando i dati all'interno di un file di destinazione temporaneo preallocato. Una volta completato il download di tutte le sezioni, il file temporaneo viene rinominato nel file di destinazione.

I download di oggetti suddivisi possono essere notevolmente più veloci se la velocità di rete e del disco non sono fattori limitanti. Tuttavia, i download di oggetti suddivisi causano più scritture in varie posizioni sul disco, quindi questa strategia di download può peggiorare le prestazioni dei dischi con tempi di ricerca lenti, soprattutto quando un download viene suddiviso in un numero elevato di segmenti. Strumenti come Google Cloud CLI hanno valori predefiniti bassi per il numero di segmenti che creano per ridurre al minimo la possibilità di impatti sulle prestazioni.

I download di oggetti suddivisi devono sempre utilizzare un checksum componibile veloce (CRC32C) per verificare l'integrità dei dati delle sezioni. Per eseguire download di oggetti suddivisi, strumenti come gcloud CLI richiedono una versione compilata di crcmod sulla macchina che esegue il download. Se crcmod compilato non è disponibile, l'interfaccia alla gcloud CLI esegue invece download di oggetti non suddivisi.

Come gli strumenti e le API utilizzano i download di oggetti suddivisi

A seconda di come interagisci con Cloud Storage, i download degli oggetti suddivisi potrebbero essere gestiti automaticamente per tuo conto. Questa sezione descrive il comportamento di download degli oggetti suddivisi per i diversi strumenti e fornisce informazioni su come modificare il comportamento.

Console

La console Google Cloud non esegue download di oggetti suddivisi.

Riga di comando

Per impostazione predefinita, gcloud storage cp consente i download di oggetti suddivisi. Puoi controllare come e quando gcloud CLI esegue i download di oggetti suddivisi modificando le seguenti proprietà:

  • storage/sliced_object_download_threshold: la dimensione totale minima del file per eseguire il download di un oggetto suddiviso. Puoi disattivare tutti i download di oggetti suddivisi impostando questo valore su 0.

  • storage/sliced_object_download_max_components: il numero massimo di segmenti da utilizzare nel download. Imposta 0 per nessun limite, nel qual caso il numero di segmenti è determinato esclusivamente da storage/sliced_object_download_component_size.

  • storage/sliced_object_download_component_size: la dimensione target per ogni sezione di download. Questa proprietà viene ignorata se le dimensioni totali del file sono così grandi che il download di sezioni di queste dimensioni richiederebbe più sezioni di quelle consentite, come impostato in storage/sliced_object_download_max_components.

Puoi modificare queste proprietà creando una configurazione denominata e applicando la configurazione per ogni comando utilizzando il flag a livello di progetto --configuration o per tutti i comandi gcloud CLI utilizzando il comando gcloud config set.

Non è necessario spazio su disco locale aggiuntivo quando utilizzi gcloud CLI per eseguire download di oggetti suddivisi. Se il download non viene completato, esegui di nuovo il comando per riprendere le sezioni non riuscite. Le sezioni scaricate correttamente prima dell'errore non vengono scaricate di nuovo quando riprovi, tranne nel caso in cui l'oggetto di origine sia cambiato tra i tentativi di download.

Gli oggetti scaricati temporaneamente vengono visualizzati nella directory di destinazione con il suffisso _.gstmp nel nome.

Librerie client

Java

Per maggiori informazioni, consulta la documentazione di riferimento dell'API Cloud Storage Java.

Per eseguire l'autenticazione in Cloud Storage, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.

Puoi eseguire download di oggetti suddivisi impostando AllowDivideAndConquer su true. Ad esempio:

import com.google.cloud.storage.BlobInfo;
import com.google.cloud.storage.transfermanager.DownloadResult;
import com.google.cloud.storage.transfermanager.ParallelDownloadConfig;
import com.google.cloud.storage.transfermanager.TransferManager;
import com.google.cloud.storage.transfermanager.TransferManagerConfig;
import java.nio.file.Path;
import java.util.List;

class AllowDivideAndConquerDownload {

  public static void divideAndConquerDownloadAllowed(
      List<BlobInfo> blobs, String bucketName, Path destinationDirectory) {
    TransferManager transferManager =
        TransferManagerConfig.newBuilder()
            .setAllowDivideAndConquerDownload(true)
            .build()
            .getService();
    ParallelDownloadConfig parallelDownloadConfig =
        ParallelDownloadConfig.newBuilder()
            .setBucketName(bucketName)
            .setDownloadDirectory(destinationDirectory)
            .build();
    List<DownloadResult> results =
        transferManager.downloadBlobs(blobs, parallelDownloadConfig).getDownloadResults();

    for (DownloadResult result : results) {
      System.out.println(
          "Download of "
              + result.getInput().getName()
              + " completed with status "
              + result.getStatus());
    }
  }
}

Node.js

Per maggiori informazioni, consulta la documentazione di riferimento dell'API Cloud Storage Node.js.

Per eseguire l'autenticazione in Cloud Storage, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.

Puoi eseguire i download degli oggetti suddivisi utilizzando il metodo downloadFileInChunks. Ad esempio:

/**
 * TODO(developer): Uncomment the following lines before running the sample.
 */
// The ID of your GCS bucket
// const bucketName = 'your-unique-bucket-name';

// The ID of the GCS file to download
// const fileName = 'your-file-name';

// The path to which the file should be downloaded
// const destFileName = '/local/path/to/file.txt';

// The size of each chunk to be downloaded
// const chunkSize = 1024;

// Imports the Google Cloud client library
const {Storage, TransferManager} = require('@google-cloud/storage');

// Creates a client
const storage = new Storage();

// Creates a transfer manager client
const transferManager = new TransferManager(storage.bucket(bucketName));

async function downloadFileInChunksWithTransferManager() {
  // Downloads the files
  await transferManager.downloadFileInChunks(fileName, {
    destination: destFileName,
    chunkSizeBytes: chunkSize,
  });

  console.log(
    `gs://${bucketName}/${fileName} downloaded to ${destFileName}.`
  );
}

downloadFileInChunksWithTransferManager().catch(console.error);

Python

Per maggiori informazioni, consulta la documentazione di riferimento dell'API Cloud Storage Python.

Per eseguire l'autenticazione in Cloud Storage, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.

Puoi eseguire i download degli oggetti suddivisi utilizzando il metodo download_chunks_concurrently. Ad esempio:

def download_chunks_concurrently(
    bucket_name, blob_name, filename, chunk_size=32 * 1024 * 1024, workers=8
):
    """Download a single file in chunks, concurrently in a process pool."""

    # The ID of your GCS bucket
    # bucket_name = "your-bucket-name"

    # The file to be downloaded
    # blob_name = "target-file"

    # The destination filename or path
    # filename = ""

    # The size of each chunk. The performance impact of this value depends on
    # the use case. The remote service has a minimum of 5 MiB and a maximum of
    # 5 GiB.
    # chunk_size = 32 * 1024 * 1024 (32 MiB)

    # The maximum number of processes to use for the operation. The performance
    # impact of this value depends on the use case, but smaller files usually
    # benefit from a higher number of processes. Each additional process occupies
    # some CPU and memory resources until finished. Threads can be used instead
    # of processes by passing `worker_type=transfer_manager.THREAD`.
    # workers=8

    from google.cloud.storage import Client, transfer_manager

    storage_client = Client()
    bucket = storage_client.bucket(bucket_name)
    blob = bucket.blob(blob_name)

    transfer_manager.download_chunks_concurrently(
        blob, filename, chunk_size=chunk_size, max_workers=workers
    )

    print("Downloaded {} to {}.".format(blob_name, filename))

API REST

Sia l'API JSON che l'API XML supportano le richieste GET con intervallo, il che significa che puoi utilizzare una delle due API per implementare la tua strategia di download di oggetti suddivisi.

Per proteggerti dal danneggiamento dei dati dovuto alla modifica dell'oggetto di origine durante il download, devi fornire il numero di generazione dell'oggetto di origine in ogni richiesta di download di una sezione dell'oggetto.