为什么带有 S3Boto 后端的 django-storages 的 default_storate.exists() 会导致大型 S3 存储桶出现内存错误？

Question

在运行default_storage.exists() 时，我正在使用 S3Boto 后端遇到django-storages 的内存泄漏问题

我在这里关注文档： http://django-storages.readthedocs.org/en/latest/backends/amazon-S3.html

这是我的设置文件的相关部分：

DEFAULT_FILE_STORAGE = 'storages.backends.s3boto.S3BotoStorage'

我要重复这个问题：

./manage.py shell

from django.core.files.storage import default_storage

# Check default storage is right
default_storage.connection
>>> S3Connection:s3.amazonaws.com

# Check I can write to a file
file = default_storage.open('storage_test_2014', 'w')
file.write("does this work?")
file.close()
file2 = default_storage.open('storage_test_2014', 'r')
file2.read()
>>> 'does this work?'

# Run the exists command
default_storage.exists("asdfjkl") # This file doesn't exist - but the same thing happens no matter what I put here - even if I put 'storage_test_2014'

# Memory usage of the python process creeps up over the next 45 seconds, until it nears 100%
# iPython shell then crashes
>>> Killed

我想到的唯一潜在问题是我的 S3 存储桶中有 93,000 个项目 - 我想知道 .exists 是否只是下载整个文件列表以进行检查？如果是这样的话，肯定还有其他方法吗？不幸的是，sorl-thumbnail 在生成新缩略图时使用了这个 .exists() 函数，这会导致缩略图生成非常缓慢。

Answer 1

更新（2017 年 1 月 23 日）

为避免这种情况，您可以在创建Storage 时简单地传递preload_metadata=False，或在设置中设置AWS_PRELOAD_METADATA = False。

感谢 @r3mot 在 cmets 中的建议。

原答案

其实是因为S3BotoStorage.exists调用了S3BotoStorage.entries，如下：

    @property
    def entries(self):
        """
        Get the locally cached files for the bucket.
        """
        if self.preload_metadata and not self._entries:
            self._entries = dict((self._decode_name(entry.key), entry)
                                for entry in self.bucket.list(prefix=self.location))

处理这种情况的最佳方法是将S3BotoStorage 子类化如下：

from storages.backends.s3boto import S3BotoStorage, parse_ts_extended


class MyS3BotoStorage(S3BotoStorage):
    def exists(self, name):
        name = self._normalize_name(self._clean_name(name))
        k = self.bucket.new_key(self._encode_name(name))
        return k.exists()

    def size(self, name):
        name = self._normalize_name(self._clean_name(name))
        return self.bucket.get_key(self._encode_name(name)).size

    def modified_time(self, name):
        name = self._normalize_name(self._clean_name(name))
        k = self.bucket.get_key(self._encode_name(name))
        return parse_ts_extended(k.last_modified)

您只需将此子类放在您应用的一个模块中，并通过设置模块中的虚线路径引用它。这个子类的唯一缺点是每次调用 3 个被覆盖的方法中的任何一个都会产生一个 Web 请求，这可能没什么大不了的。