Download di oggetti suddivisi

Una strategia per scaricare file di grandi dimensioni è chiamata download di oggetti suddivisi. In questo tipo di download, le richieste GET con intervallo vengono effettuate in parallelo, archiviando i dati in un file di destinazione temporaneo preallocato. Al termine del download di tutti i sezioni, il file temporaneo viene rinominato in file di destinazione.

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

I download di oggetti suddivisi devono sempre utilizzare un checksum componibile veloce (CRC32C) per verificare l'integrità dei dati degli slice. Per eseguire i 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 i 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 in sezioni potrebbero essere gestiti automaticamente per tuo conto. Questa sezione descrive il comportamento di download degli oggetti suddivisi per diversi strumenti e fornisce informazioni su come modificarlo.

Console

La console Google Cloud non esegue download di oggetti suddivisi.

Riga di comando

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

• storage/sliced_object_download_threshold: le dimensioni minime del file totale 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 sezioni da utilizzare per il download. Imposta 0 per non avere limiti, in questo caso il numero di sezioni è determinato unicamente da storage/sliced_object_download_component_size.

• storage/sliced_object_download_component_size: le dimensioni target per ogni segmento 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 applicandola su base di comando utilizzando il --configuration flag a livello di progetto o per tutti i comandi gcloud CLI utilizzando il gcloud config set comando.

Non è necessario spazio su disco locale aggiuntivo quando utilizzi gcloud CLI per eseguire download di oggetti suddivisi. Se il download non va a buon fine prima del completamento, esegui di nuovo il comando per riprendere le sezioni che non sono andate a buon fine. 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 saperne di più, consulta la documentazione di riferimento dell'API Cloud Storage Java.

Per autenticarti a Cloud Storage, configura le Credenziali predefinite dell'applicazione. Per saperne di più, consulta 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 saperne di più, consulta la documentazione di riferimento dell'API Cloud Storage Node.js.

Per autenticarti a Cloud Storage, configura le Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare l'autenticazione per le librerie client.

Puoi eseguire i download di 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 saperne di più, consulta la documentazione di riferimento dell'API Cloud Storage Python.

Per autenticarti a Cloud Storage, configura le Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare l'autenticazione per le librerie client.

Puoi eseguire i download di 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 sia l'API XML supportano le richieste GET con intervallo, il che significa che puoi utilizzare entrambe le API per implementare la tua strategia di download degli oggetti suddivisi.

Per proteggerti dalla corruzione dei dati dovuta 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 frazione dell'oggetto.