java - 在 S3 中上传输入流 block 后无法解压缩 gzip 压缩文件

Question

我想采用与分段 uploader 类似的方式获取输入流并将 gzip 压缩的部分上传到 s3。 但是，我想将各个文件部分存储在 S3 中，而不是将这些部分转换为单个文件。

为此，我创建了以下方法。 但是，当我尝试 gzip 解压缩每个部分时，gzip 会抛出错误并显示:gzip: file_part_2.log.gz: not in gzip format。

我不确定我是否正确压缩了每个部分？

如果我重新初始化gzipoutputstream:gzip = new GZIPOutputStream(baos);并在重置字节数组输出流后设置gzip.finish() baos.reset(); 然后我就可以解压缩每个部分。不知道为什么我需要这样做，gzipoutputstream 有类似的 reset 吗？

public void upload(String bucket, String key, InputStream is, int partSize) throws Exception
{
    String row;
    BufferedReader br = new BufferedReader(new InputStreamReader(is, ENCODING));
    ByteArrayOutputStream baos = new ByteArrayOutputStream();
    GZIPOutputStream gzip = new GZIPOutputStream(baos);

    int partCounter = 0;
    int lineCounter = 0;
    while ((row = br.readLine()) != null) {
        if (baos.size() >= partSize) {
            partCounter = this.uploadChunk(bucket, key, baos, partCounter);

            baos.reset();
        }else if(!row.equals("")){
            row += '\n';
            gzip.write(row.getBytes(ENCODING));
            lineCounter++;
        }
    }

    gzip.finish();
    br.close();
    baos.close();

    if(lineCounter == 0){
        throw new Exception("Aborting upload, file contents is empty!");
    }

    //Final chunk
    if (baos.size() > 0) {
        this.uploadChunk(bucket, key, baos, partCounter);
    }
}

private int uploadChunk(String bucket, String key, ByteArrayOutputStream baos, int partCounter)
{
    ObjectMetadata metaData = new ObjectMetadata();
    metaData.setContentLength(baos.size());

    String[] path = key.split("/");
    String[] filename = path[path.length-1].split("\\.");

    filename[0] = filename[0]+"_part_"+partCounter;

    path[path.length-1] = String.join(".", filename);

    amazonS3.putObject(
            bucket,
            String.join("/", path),
            new ByteArrayInputStream(baos.toByteArray()),
            metaData
    );

    log.info("Upload chunk {}, size: {}", partCounter, baos.size());

    return partCounter+1;
}

Answer 1

问题是您对所有 block 使用单个GZipOutputStream。因此，您实际上正在编写 GZipped 文件的各个部分，必须重新组合这些文件才能发挥作用。

对现有代码进行最小的更改:

if (baos.size() >= partSize) {
    gzip.close(); 
    partCounter = this.uploadChunk(bucket, key, baos, partCounter);
    baos = baos = new ByteArrayOutputStream();
    gzip = new GZIPOutputStream(baos);
}

您需要在循环结束时执行相同的操作。另外，如果行计数器为 0，您不应该抛出异常:文件完全有可能被精确地分成一定数量的 block 。

为了改进代码，我会将 GZIPOutputStream 包装在 OutputStreamWriter 和 BufferedWriter 中，这样您就不需要这样做明确的字符串字节转换。

最后，不要使用ByteArrayOutputStream.reset()。与仅仅创建一个新流相比，它不会为您节省任何东西，并且如果您忘记重置，则可能会出现错误。