Carga de archivos grandes con la AWS CLI

1. Descargue y configure la AWS CLI. Para obtener instrucciones, consulte los siguientes temas en la Guía del usuario de la AWS Command Line Interface:

   Instalación del AWS Command Line Interface

   Configuración de la AWS Command Line Interface

2. Verifique la configuración de la AWS CLI; para ello, introduzca los siguientes comandos en el símbolo del sistema. Estos comandos no proporcionan las credenciales de forma explícita, por lo que se utilizan las credenciales del perfil predeterminado.

   • Pruebe a usar el comando de ayuda.

     aws help

   • Para obtener una lista de los almacenes de Amazon Glacier en la cuenta configurada, use el comando list-vaults. Sustituya 123456789012 por el ID de su Cuenta de AWS.

     aws glacier list-vaults --account-id 123456789012

   • Para ver los datos de la configuración actual de la AWS CLI, use el comando aws configure list.

     aws configure list

En este ejemplo, creará un archivo y utilizará operaciones de la API de carga multiparte para cargarlo, por partes, en Amazon Glacier.

En el siguiente procedimiento se usan los comandos de la AWS CLI initiate-multipart-upload, upload-multipart-part y complete-multipart-upload.

Para obtener más detallada sobre cada uno de estos comandos, consulte initiate-multipart-upload, upload-multipart-part y complete-multipart-upload en la Referencia de los comandos de la AWS CLI.

1. Utilice el comando initiate-multipart-upload para crear un recurso de carga multiparte. En la solicitud, especifique el tamaño de la parte en número de bytes. Todas las partes que se carguen, salvo la última, tendrán este tamaño. Al iniciar una carga, no es necesario saber el tamaño total del archivo. Sin embargo, necesitará el tamaño total (en bytes) de cada una de las partes al completar la carga en el paso final.

   En el siguiente comando, reemplace los valores de los parámetros --vault-name y --account-ID por su información propia. Este comando especifica que cargará un archivo con un tamaño de parte de 1 mebibyte (MiB) (1024 x 1024 bytes) por archivo. Sustituya el valor del parámetro --part-size si es necesario.

   aws glacier initiate-multipart-upload --vault-name awsexamplevault --part-size 1048576 --account-id 123456789012

   Resultado previsto:

   {
   "location": "/123456789012/vaults/awsexamplevault/multipart-uploads/uploadId",
   "uploadId": "uploadId"
   }

   Cuando termine, el comando mostrará el ID de carga y la ubicación del recurso de carga multiparte en Amazon Glacier. Este ID de carga se usará en los pasos posteriores.

2. Para este ejemplo, puede usar los siguientes comandos para crear un archivo de 4,4 MiB, dividirlo en fragmentos de 1 MiB y cargar cada uno de los fragmentos. Para cargar sus propios archivos, puede seguir un procedimiento similar: dividir los datos en fragmentos y cargar cada una de las partes.

   Linux o macOS

   El siguiente comando crea un archivo de 4,4 MiB denominado file_to_upload en Linux o macOS.

   mkfile -n 9000b file_to_upload

   Windows

   El siguiente comando crea un archivo de 4,4 MiB denominado file_to_upload en Windows.

   fsutil file createnew file_to_upload 4608000

3. A continuación, dividirá este archivo en fragmentos de 1 MiB.

   split -b 1048576 file_to_upload chunk

   Ahora tiene los cinco fragmentos siguientes. Los cuatro primeros son de 1 MiB y el último es de aproximadamente 400 kibibytes (KiB).

   chunkaa
   chunkab
   chunkac
   chunkad
   chunkae

4. Use el comando upload-multipart-part para cargar una parte de un archivo. Las partes de archivo se pueden cargar en cualquier orden. También puede cargarlas en paralelo. En una carga multiparte, se pueden cargar hasta 10 000 partes.

   En el siguiente comando, reemplace los valores de los parámetros --vault-name, --account-ID y --upload-id. El ID de carga debe coincidir con el ID proporcionado como salida del comando initiate-multipart-upload. El parámetro --range especifica que cargará una parte con un tamaño de 1 MiB (1024 x 1024 bytes). Este tamaño debe coincidir con el especificado en el comando initiate-multipart-upload. Ajuste este valor de tamaño si es necesario. El parámetro --body especifica el nombre de la parte que está cargando.

   aws glacier upload-multipart-part --body chunkaa --range='bytes 0-1048575/*' --vault-name awsexamplevault --account-id 123456789012 --upload-id upload_ID

   Si se ejecuta correctamente, el comando generará un resultado que contiene la suma de comprobación de la parte cargada.

5. Vuelva a ejecutar el comando upload-multipart-part para cargar las partes restantes de la carga multiparte. Actualice los valores de los parámetros --range y –-body de cada comando para que coincidan con la parte que está cargando.

   aws glacier upload-multipart-part --body chunkab --range='bytes 1048576-2097151/*' --vault-name awsexamplevault --account-id 123456789012 --upload-id upload_ID

   aws glacier upload-multipart-part --body chunkac --range='bytes 2097152-3145727/*' --vault-name awsexamplevault --account-id 123456789012 --upload-id upload_ID

   aws glacier upload-multipart-part --body chunkad --range='bytes 3145728-4194303/*' --vault-name awsexamplevault --account-id 123456789012 --upload-id upload_ID

   aws glacier upload-multipart-part --body chunkae --range='bytes 4194304-4607999/*' --vault-name awsexamplevault --account-id 123456789012 --upload-id upload_ID

   nota

   El valor del parámetro --range del comando final es más pequeño porque la parte final de nuestra carga es inferior a 1 MiB. Si se ejecuta correctamente, cada comando generará un resultado que contiene la suma de comprobación de cada parte cargada.

6. A continuación, se ensamblará el archivo y se finalizará la carga. Debe incluir el tamaño total y el hash en árbol SHA256 del archivo.

   Para calcular el hash en árbol SHA256 del archivo, puede usar Java, C# o Python. En este ejemplo, se usará Python. Para obtener instrucciones sobre cómo usar Java o C#, consulte Cálculo de sumas de comprobación.

   Cree el archivo checksum.py de Python e inserte el código siguiente. Si es necesario, sustituya el nombre del archivo original.

   from botocore.utils import calculate_tree_hash
   					
   checksum = calculate_tree_hash(open('file_to_upload', 'rb'))
   print(checksum)

7. Ejecute checksum.py para calcular el hash en árbol SHA256. Es posible que el hash siguiente no coincida con la salida.

   $ python3 checksum.py
   $ 3d760edb291bfc9d90d35809243de092aea4c47b308290ad12d084f69988ae0c

8. Use el comando complete-multipart-upload para finalizar la carga del archivo. Sustituya los valores de los parámetros --vault-name, --account-ID, --upload-ID y --checksum. El valor del parámetro --archive especifica el tamaño total del archivo en bytes. Este valor debe ser la suma de todos los tamaños de las partes individuales que ha cargado. Sustituya este valor si es necesario.

   aws glacier complete-multipart-upload --archive-size 4608000 --vault-name awsexamplevault --account-id 123456789012 --upload-id upload_ID --checksum checksum

   Al finalizar, el comando mostrará el ID, la suma de comprobación y la ubicación del archivo en Amazon Glacier.