雅典娜查询以查找s3存储桶中目录的大小

如何解决雅典娜查询以查找s3存储桶中目录的大小

我需要找到S3存储桶中每个目录的大小。我知道可以通过AWS S3控制台中的get size选项轻松实现,但是我有很多目录要检查,手动检查每个目录的大小似乎很繁琐。我正在寻找一种有效的方法来通过雅典娜获得身材

我可以将S3内容导出到Athena表中,但是有什么方法可以通过查询来计算内容的大小?

解决方法

您可以在存储桶上启用S3 Inventory,它将以CSV,ORC或Parquet文件的形式每天或每周提供存储桶中所有对象的完整列表(根据您的配置,如果您想要在编辑器或Excel中查看文件,Parquet或ORC非常适合Athena。

按照Querying inventory with Amazon Athena中的说明使用Athena针对清单运行查询。

S3实际上没有“目录”的概念,因此确切地如何运行计算存储桶中每个目录大小的查询取决于您对目录的看法。常见的约定是将诸如a/b/c/d.txt之类的键视为目录d.txt,目录c,目录b中的文件a,但这不是S3看到的样子–到S3为止,只有一个对象(文件),其键为a/b/c/d.txt。我假设您说“目录”时正在考虑的就是这种约定。

您可以使用以下查询获取每个叶目录的大小(例如a/b/c,但不能获取a/ba

SELECT
  regexp_replace(key,'/[^/]+$') AS directory_prefix,SUM(size) AS directory_size
FROM my_inventory
GROUP BY 1

如果您希望每个目录的大小都与层次结构无关,那么它将变得更加复杂,因为可能存在任意深层次结构(不过受S3键的最大大小限制),并且编写处理查询并不容易接着就,随即。最好的选择是对第一个级别运行查询,对第二个级别运行另一个查询,依此类推,直到您知道存储桶中没有更深层次的结构。


关于为什么在S3控制台中似乎很容易计算目录大小的说明:控制台的作用是,它对您选择的前缀(“目录”)运行LIST操作并求和增加找到的对象的大小。当前缀中只有几个对象时,这很快并且效果很好。当成千上万的时候,它变得非常缓慢。

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


依赖报错 idea导入项目后依赖报错,解决方案:https://blog.csdn.net/weixin_42420249/article/details/81191861 依赖版本报错:更换其他版本 无法下载依赖可参考:https://blog.csdn.net/weixin_42628809/a
错误1:代码生成器依赖和mybatis依赖冲突 启动项目时报错如下 2021-12-03 13:33:33.927 ERROR 7228 [ main] o.s.b.d.LoggingFailureAnalysisReporter : *************************** APPL
错误1:gradle项目控制台输出为乱码 # 解决方案:https://blog.csdn.net/weixin_43501566/article/details/112482302 # 在gradle-wrapper.properties 添加以下内容 org.gradle.jvmargs=-Df
错误还原:在查询的过程中,传入的workType为0时,该条件不起作用 <select id="xxx"> SELECT di.id, di.name, di.work_type, di.updated... <where> <if test=&qu
报错如下,gcc版本太低 ^ server.c:5346:31: 错误:‘struct redisServer’没有名为‘server_cpulist’的成员 redisSetCpuAffinity(server.server_cpulist); ^ server.c: 在函数‘hasActiveC
解决方案1 1、改项目中.idea/workspace.xml配置文件,增加dynamic.classpath参数 2、搜索PropertiesComponent,添加如下 <property name="dynamic.classpath" value="tru
删除根组件app.vue中的默认代码后报错:Module Error (from ./node_modules/eslint-loader/index.js): 解决方案:关闭ESlint代码检测,在项目根目录创建vue.config.js,在文件中添加 module.exports = { lin
查看spark默认的python版本 [root@master day27]# pyspark /home/software/spark-2.3.4-bin-hadoop2.7/conf/spark-env.sh: line 2: /usr/local/hadoop/bin/hadoop: No s
使用本地python环境可以成功执行 import pandas as pd import matplotlib.pyplot as plt # 设置字体 plt.rcParams['font.sans-serif'] = ['SimHei'] # 能正确显示负号 p
错误1:Request method ‘DELETE‘ not supported 错误还原:controller层有一个接口,访问该接口时报错:Request method ‘DELETE‘ not supported 错误原因:没有接收到前端传入的参数,修改为如下 参考 错误2:cannot r
错误1:启动docker镜像时报错:Error response from daemon: driver failed programming external connectivity on endpoint quirky_allen 解决方法:重启docker -> systemctl r
错误1:private field ‘xxx‘ is never assigned 按Altʾnter快捷键,选择第2项 参考:https://blog.csdn.net/shi_hong_fei_hei/article/details/88814070 错误2:启动时报错,不能找到主启动类 #
报错如下,通过源不能下载,最后警告pip需升级版本 Requirement already satisfied: pip in c:\users\ychen\appdata\local\programs\python\python310\lib\site-packages (22.0.4) Coll
错误1:maven打包报错 错误还原:使用maven打包项目时报错如下 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0:resources (default-resources)
错误1:服务调用时报错 服务消费者模块assess通过openFeign调用服务提供者模块hires 如下为服务提供者模块hires的控制层接口 @RestController @RequestMapping("/hires") public class FeignControl
错误1:运行项目后报如下错误 解决方案 报错2:Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile (default-compile) on project sb 解决方案:在pom.
参考 错误原因 过滤器或拦截器在生效时,redisTemplate还没有注入 解决方案:在注入容器时就生效 @Component //项目运行时就注入Spring容器 public class RedisBean { @Resource private RedisTemplate<String
使用vite构建项目报错 C:\Users\ychen\work>npm init @vitejs/app @vitejs/create-app is deprecated, use npm init vite instead C:\Users\ychen\AppData\Local\npm-