如何将 tar 压缩操作通过管道传输到 aws s3 cp

Question

我正在用bash编写一个自定义备份脚本供个人使用。目标是通过 tar/gzip 压缩目录的内容，拆分压缩存档，然后将部分上传到 AWS S3。

几个月前，在我第一次尝试编写此脚本时，我能够通过以下内容使其工作：

tar -czf - /mnt/STORAGE_0/dir_to_backup | split -b 100M -d -a 4 - /mnt/SCRATCH/backup.tgz.part
aws s3 sync /mnt/SCRATCH/ s3://backups/ --delete
rm /mnt/SCRATCH/*

这很适合我的目的，但需要/mnt/SCRATCH有足够的磁盘空间来存储压缩目录。现在我想改进这个脚本，使其不必依赖于在/mnt/SCRATCH中有足够的空间，并做了一些研究。我最终得到了这样的东西：

tar -czf - /mnt/STORAGE_0/dir_to_backup | split -b 100M -d -a 4 --filter "aws s3 cp - s3://backups/backup.tgz.part" -

这几乎有效，但是我的 S3 存储桶上的目标文件名不是动态的，它似乎只是在运行时多次覆盖backup.tgz.part文件。最终结果只是一个 100MB 的文件，而预期的几个 100MB 文件结尾为 .part0001 .

任何指导将不胜感激。谢谢！

Answer 1

使用

split 时，您可以使用 env 变量$FILE来获取生成的文件名。请参阅拆分手册页：

--filter=COMMAND
     write to shell COMMAND; file name is $FILE

对于您的用例，您可以使用如下所示的内容：

--filter 'aws s3 cp - s3://backups/backup.tgz.part$FILE'

(需要单引号，否则环境变量替换将立即发生(

这将在 aws 上生成以下文件名：

backup.tgz.partx0000
backup.tgz.partx0001
backup.tgz.partx0002
...

完整示例：

tar -czf - /mnt/STORAGE_0/dir_to_backup | split -b 100M -d -a 4 --filter 'aws s3 cp - s3://backups/backup.tgz.part$FILE' -

Answer 2

你应该能够使用 GNU Parallel 轻松并行地完成它。它具有--pipe选项，可将输入数据拆分为大小--block的块，并将其分布在多个并行进程中。

因此，如果要使用 100MB 块并并行使用 CPU 的所有内核，并将块号 ( {#} ( 附加到 AWS 上的文件名末尾，您的命令将如下所示：

tar czf - something | parallel --pipe --block 100M --recend '' aws s3 cp - s3://backups/backup.tgz.part{#}

您可以仅使用 4 个 CPU 内核，而不是所有具有 parallel -j4 的内核。

请注意，我将"记录结束">字符设置为无，这样它就不会试图避免拆分中行，这是它的默认行为，并且比压缩包等二进制文件更适合文本文件处理。