使用适用于 .NET 的 AWS S3 开发工具包从 Amazon S3 并行下载批处理文件

Question

问题：我想使用他们的 .NET SDK 从 AWS S3 并行下载 100 个文件。下载的内容应该存储在 100 个内存流中（文件足够小，我可以从那里获取）。我对 Task、IAsyncResult、Parallel.* 和 .NET 4.0 中的其他不同方法感到困惑。

如果我尝试自己解决问题，我脑海中浮现出类似这样的伪代码： （编辑为一些变量添加类型）

using Amazon;
using Amazon.S3;
using Amazon.S3.Model;

AmazonS3 _s3 = ...;
IEnumerable<GetObjectRequest> requestObjects = ...;


// Prepare to launch requests
var asyncRequests = from rq in requestObjects 
    select _s3.BeginGetObject(rq,null,null);

// Launch requests
var asyncRequestsLaunched = asyncRequests.ToList();

// Prepare to finish requests
var responses = from rq in asyncRequestsLaunched 
    select _s3.EndGetRequest(rq);

// Finish requests
var actualResponses = responses.ToList();

// Fetch data
var data = actualResponses.Select(rp => {
    var ms = new MemoryStream(); 
    rp.ResponseStream.CopyTo(ms); 
    return ms;
});

此代码并行启动 100 个请求，这很好。但是，有两个问题：

1. 最后一条语句将串行下载文件，而不是并行下载。流中似乎没有 BeginCopyTo()/EndCopyTo() 方法...
2. 在所有请求都响应之前，前面的语句不会放手。换句话说，在所有文件都开始之前，所有文件都不会开始下载。

所以我开始认为我走错了路……

帮助？

Answer 1

如果将操作分解为一个异步处理一个请求然后调用它100次的方法，这可能会更容易。

首先，让我们确定您想要的最终结果。由于您将使用的是MemoryStream，这意味着您需要从您的方法中返回Task<MemoryStream>。签名将如下所示：

static Task<MemoryStream> GetMemoryStreamAsync(AmazonS3 s3, 
    GetObjectRequest request)

因为您的AmazonS3 对象实现了Asynchronous Design Pattern，所以您可以使用TaskFactory class 上的FromAsync method 从实现异步设计模式的类中生成Task<T>，如下所示：

static Task<MemoryStream> GetMemoryStreamAsync(AmazonS3 s3, 
    GetObjectRequest request)
{
    Task<GetObjectResponse> response = 
        Task.Factory.FromAsync<GetObjectRequest,GetObjectResponse>(
            s3.BeginGetObject, s3.EndGetObject, request, null);

    // But what goes here?

所以你已经在一个好地方，你有一个Task<T>，你可以等待或在通话完成时得到回叫。但是，您需要以某种方式将从对Task<GetObjectResponse> 的调用返回的GetObjectResponse 转换为MemoryStream。

为此，您希望在 Task<T> 类上使用 ContinueWith method。将其视为Enumerable class 上Select method 的异步版本，它只是对另一个Task<T> 的投影，除了每次调用ContinueWith 时，您可能会创建一个运行的新任务 部分代码。

这样，您的方法如下所示：

static Task<MemoryStream> GetMemoryStreamAsync(AmazonS3 s3, 
    GetObjectRequest request)
{
    // Start the task of downloading.
    Task<GetObjectResponse> response = 
        Task.Factory.FromAsync<GetObjectRequest,GetObjectResponse>(
            s3.BeginGetObject, s3.EndGetObject, request, null
        );

    // Translate.
    Task<MemoryStream> translation = response.ContinueWith(t => {
        using (Task<GetObjectResponse> resp = t ){
            var ms = new MemoryStream(); 
            t.Result.ResponseStream.CopyTo(ms); 
            return ms;
        } 
    });

    // Return the full task chain.
    return translation;
}

请注意，在上述情况下，您可以通过 TaskContinuationOptions.ExecuteSynchronously 调用 overload of ContinueWith，因为看起来您所做的工作很少（我无法确定，响应可能巨大）。如果您正在做的工作非常少，而为了完成工作而开始一项新任务是有害的，您应该传递TaskContinuationOptions.ExecuteSynchronously，这样您就不会浪费时间为最少的操作创建新任务。

现在您有了可以将一个请求转换为Task<MemoryStream>的方法，创建一个可以处理任意个请求的包装器很简单：

static Task<MemoryStream>[] GetMemoryStreamsAsync(AmazonS3 s3,
    IEnumerable<GetObjectRequest> requests)
{
    // Just call Select on the requests, passing our translation into
    // a Task<MemoryStream>.
    // Also, materialize here, so that the tasks are "hot" when
    // returned.
    return requests.Select(r => GetMemoryStreamAsync(s3, r)).
        ToArray();
}

在上面，您只需获取GetObjectRequest 实例的序列，它将返回Task<MemoryStream> 数组。它返回物化序列这一事实很重要。如果你在返回之前没有实现它，那么在序列被迭代之前不会创建任务。

当然，如果您想要这种行为，那么无论如何，只需删除对.ToArray() 的调用，让方法返回IEnumerable<Task<MemoryStream>>，然后在您遍历任务时发出请求。

从那里，您可以一次处理一个（在循环中使用Task.WaitAny method）或等待所有这些完成（通过调用Task.WaitAll method）。后者的一个例子是：

static IList<MemoryStream> GetMemoryStreams(AmazonS3 s3, 
    IEnumerable<GetObjectRequest> requests)
{
    Task<MemoryStream>[] tasks = GetMemoryStreamsAsync(s3, requests);
    Task.WaitAll(tasks);
    return tasks.Select(t => t.Result).ToList();
}

另外，应该提到的是，这非常适合Reactive Extensions framework，因为这个非常非常适合IObservable<T> 实现。