使用 Amazon S3 服务轻松实现存储

Amazon Simple Storage Service (S3) 是一个公开的服务，Web 应用程序开发人员可以使用它存储数字资产，包括图片、视频、音乐和文档。 S3 提供一个 RESTful API 以编程方式实现与该服务的交互。通过本文，您将了解如何使用开源的 JetS3t 库利用 Amazon 的 S3 云服务存储和检索数据。
简介

云是一个抽象的概念，表示松散连接在一起的计算机组，这些计算机共同执行某项任务或者服务，就像是使用一个单独的实体完成一样。此概念背后的架构也很抽象：每个云提供者都可以根据各自情况随意设计它的产品。软件即服务（Software as a Service，SaaS）是一个与云相关的概念，表示云向用户提供某种服务。云模型可以降低用户成本，因为他们无需购买软件和硬件也可以运行 — 服务提供者已经为用户提供了必要的组件。

云计算简介

尽管云计算这一术语并不新鲜（Amazon 在 2006 年就开始提供它的云服务），但从 2008 年起它才开始真正成为流行词，这期间，Google 和 Amazon 的云服务逐渐获得了公众的关注。 Google 的 App Engine 使用户能够在 Google 基础设施上构建和托管 Web 应用程序。连同 S3，Amazon Web Services 还包括 Elastic Cloud Compute (EC2) 计算 Web 服务，该服务可以在 Amazon 的基础设施上托管应用程序。其他公司也开始蠢蠢欲动，准备与 Amazon 和 Google 一决高下，其中就包括 Microsoft®的 Azure，甚至 Sun Microsystems（其云计算还没有正式推向市场）也想分一杯羹。 IBM® 最近宣布，它将提供 某些产品 供开发人员在 Amazon EC2 环境中使用。


以 Amazon 的 S3 产品为例。顾名思义，这是一个公开的服务，使 Web 开发人员能够存储数字资产（如图片、视频、音乐和文档等），以便在应用程序中使用。使用 S3 时，它就像一个位于 Internet 的机器，有一个包含数字资产的硬盘驱动。实际上，它涉及到许多机器（位于各个地理位置），其中包含数字资产（或者数字资产的某些部分）。 Amazon 还处理所有复杂的服务请求，可以存储数据并检索数据。您只需要付少量的费用（大约每月 15 美分 /GB）就可以在 Amazon 的服务器上存储数据，1 美元即可通过 Amazon 服务器传输数据。

Amazon 的 S3 服务没有重复开发，它公开了 RESTful API，使您能够使用任何支持 HTTP 通信的语言访问 S3 。 JetS3t 项目是一个开源 Java 库，可以抽象出使用 S3 的 RESTful API 的细节，将 API 公开为常见的 Java 方法和类。编写的代码越少越好，难道不是吗？充分利用其他人的成果也是不错的。在本文中您将看到，JetS3t 使 S3 和 Java 语言的工作变得更加简单，从根本上提高了效率。





S3 概述

理论上，S3 是一个全球存储区域网络 (SAN)，它表现为一个超大的硬盘，您可以在其中存储和检索数字资产。但是，从技术上讲，Amazon 的架构有一些不同。您通过 S3 存储和检索的资产被称为对象。对象存储在存储段（bucket）中。您可以用硬盘进行类比：对象就像是文件，存储段就像是文件夹（或目录）。与硬盘一样，对象和存储段也可以通过统一资源标识符（Uniform Resource Identifier，URI）查找。

例如，在我的硬盘中，我有一个名为 whitepaper.pdf 的文件，它位于主目录中名为 documents 的文件夹中。相应的，该 pdf 文件的 URI 为 /home/aglover/documents/whitepaper.pdf 。在 S3 中，URI 有一点不同。首先，存储段只能是顶级的 — 无法像嵌套硬盘中的文件夹（或目录）一样进行嵌套。其次，存储段必须遵循 Internet 命名法则；句点旁边没有斜杠，名称不包括下划线等等。最后，由于存储段名称已经是 Amazon 域内的 (s3.amazonaws.com) 公共 URI 的一部分，存储段名称必须在所有 S3 中是惟一的。（好消息是每个帐户只能包含 100 个存储段，因此不用担心别人占用了所有的好名字）。

DNS 魔术

不用担心 S3 资产的 URL 。通过 Domain Name System (DNS) 和 CNAME（canonical name的缩写）记录，您可以将自定义程度更高的 URL 映射到 S3 的 URL 。这样一来，您就隐藏了您（或您的应用程序）依赖 S3 的事实！


存储段在 S3 中是 URI 的根。也就是说，存储段的名称将是指向 S3 中某个对象的 URI 的一部分。例如，如果我有一个名为 agdocs 的存储段以及一个名为 whitepaper.pdf 的对象，URI 将是：http://agdocs.s3.amazonaws.com/whitepaper.pdf 。

S3 还提供了指定存储段和对象的所有者和权限的能力，就像对待硬件的文件和文件夹一样。在 S3 中定义对象或存储段时，您可以指定一个访问控制策略，注明谁可以访问您的 S3 资产以及如何访问（例如，读和写权限）。相应地，您可以通过许多方式提供对您的对象的访问，使用 RESTful API 只是其中一种。



开始使用 S3 和 JetS3t

要开始使用 S3，您需要一个帐户。 S3 不是免费的，因此在创建帐户时您必须向 Amazon 提供一种支付手段（比如信用卡号码）。不用担心 — 不收初装费；您只需要为使用付费。对于本文的示例，只需要支付不到 1 美元的费用。

在创建帐户的过程中，您还需要创建凭据：访问密钥和秘密密钥（就像用户名和密码）。（您还可以获取 x.509 证书；但是，只有在使用 Amazon 的 SOAP API 时才需要使用该证书）。和任何访问信息一样，都必须保管好您的秘密密钥。因为任何人使用您的凭据访问 S3 时，您都将为此付费。因此，每当创建存储段或对象时，默认的行为是让所有内容都私有；您必须显式获取对外部世界的访问。

有了访问密钥和秘密密钥，您可以下载 JetS3t并使用它通过 RESTful API 与 S3 交互。

使用编程手段通过 JetS3t 登录 S3 可以分为两步。首先，必须创建一个 AWSCredentials 对象，然后将它传递到 S3Service 对象。AWSCredentials 对象非常简单。它将访问密钥和秘密密钥视为 String。S3Service 对象实际上是一个接口类型。因为 S3 同时提供 RESTful API 和一个 SOAP API，JetS3t 库可以提供两种实现类型：RestS3Service 和 SoapS3Service。就本文而言（包括大部分 S3 事务），RESTful API 的简洁性让它成为一个很好的选择。

创建一个连接的 RestS3Service 实例很简单，如清单 1 所示：


清单 1. 创建一个 JetS3t 的 RestS3Service 实例

def awsAccessKey = "blahblah"
def awsSecretKey = "blah-blah"
def awsCredentials = new AWSCredentials(awsAccessKey, awsSecretKey)

def s3Service = new RestS3Service(awsCredentials)


现在可以执行一些有趣的操作了：例如，创建存储段、添加一个影片，然后获取一个有时间限制的 URL 。实际上，这听起来像一个业务流程，不是吗？这是一个与发布有限资产（比如影片）有关的业务流程。

创建存储段

对于虚构的电影业务，我将创建一个称为 bc50i 的存储段。借助 JetS3t，该流程很简单。通过 S3Service 类型，您有几个选项。我更喜欢使用 getOrCreateBucket 调用，如清单 2 所示。顾名思义，调用该方法可能返回一个存储段实例（表示为 S3Bucket 类型的实例）或在 S3 中创建代码段。


清单 2. 在 S3 服务器上创建存储段

def bucket = s3Service.getOrCreateBucket("bc50i")


不要被我这个简单的代码示例所蒙蔽。 JetS3t 库的扩展性非常强。例如，您可以快速确定拥有多少存储段 —— 只需通过 listAllBuckets 调用请求一个 S3Service 实例即可。该方法返回一个 S3Bucket 实例数组。对于任何存储段实例，您可以询问它的名称和创建日期。更重要的是，您可以通过 JetS3t 的 AccessControlList 类型控制与之相关的权限。例如，我可以获取 bc50i 存储段实例，并允许任何人可以公开读取和编写，如清单 3 所示：


清单 3. 修改存储段的访问控制列表

def bucket.acl = AccessControlList.REST_CANNED_PUBLIC_READ_WRITE


当然，通过 API，您也可以随意删除存储段。 Amazon 甚至允许您指定创建存储段的地理位置。 Amazon 简化了存储实际数据的复杂性，但是您可以告诉 Amazon 要将存储段（及其内部所有的对象）放在美国或欧洲（当前可用选项）。

向存储段添加对象

使用 JetS3t 的 API 创建 S3 对象就像操作存储段一样简单。 JetS3t 库也很智能，可以负责处理与 S3 存储段内文件相关的内容类型。例如，我想向 S3 上传一段影片 nerfwars2.mp4，以便用户能够在有限的时间内观看。创建一个 S3 对象与创建常见的 java.io.File 类型一样简单，并能将 S3Object 类型与存储段关联，如清单 4 所示：


清单 4. 创建一个 S3 对象

def s3obj = new S3Object(bucket, new File("/path/to/nerfwars2.mp4"))


使用文件和存储段初始化 S3Object 之后，要做的所有事情就是通过 putObject 方法上传，如清单 5 所示：


清单 5. 上传影片

s3Service.putObject(bucket, s3obj)


使用清单 5 可以完成上传。现在影片位于 Amazon 服务器了，影片的键就是它的名称。当然，您可以根据需要重写该名称以调用其他对象。实际上，JetS3t API（以及 Amazon S3 RESTful API）公开了许多信息，供您创建对象时使用。我们知道，您还可以提供访问控制列表。 S3 中的任何对象都可以保存 API 允许您创建的其他元数据。之后可以通过该元数据的 S3 API（以及派生的 JetS3t）查询任何对象。



创建对象的 URL

到现在为止，我的 S3 实例有一个包含影片的存储段。实际上，我的影片可以通过以下 URI 获取：http://bc50i.s3.amazonaws.com/nerfwars2.mp4 。但是，只有我才能获取。（在本例中，我只能通过编程方式访问它，因为与所有内容关联的默认访问控制被设置为拒绝任何未授权访问）。我的目的是为选择的用户提供一种方式查看新影片（在有限的时间内），直到我开始收取访问费用（S3 也会提供帮助）。

图 1 展示了默认的访问控制。返回的 XML 文档（相应地显示在我的浏览器中）告诉我对当前资产的访问被拒绝（http://bc50i.s3.amazonaws.com/nerfwars2.mp4）。


图 1. Amazon 的安全机制


创建一个公共 URL 是 S3 提供的一个便捷功能；实际上，使用 S3，您可以创建一个公共 URL，但只在一段时间内有效（例如，24 小时内）。对于我刚刚存储在 S3 服务器上的影片，我将创建一个 48 小时内有效的 URL 。然后我将向选定的用户提供该 URL，以便他们下载并观看（假定他们在两天内下载）。

要创建一个针对 S3 对象的时间敏感型 URL，您可以使用 JetS3t 的 createSignedGetUrl 方法，这是一个 S3Service 类型的静态方法。该方法采用一个存储段名称、一个对象键（在本例中是影片名，还记得吗？）、一些凭证（以 JetS3t 的 AWSCredentials 对象的形式）、截止日期。如果您了解所需的存储段和对象键，则可以通过清单 6 中的 Groovy 代码快速获取 URL：


清单 6. 创建一个时间敏感型 URL

def now = new Date()
def url = S3Service.createSignedGetUrl(
   bucket.getName(), s3obj.key, awsCredentials, now + 2)


使用 Groovy，我可以通过 + 2 语法轻松指定一个 48 小时的限定日期。得到的 URL 如下所示（只有一行）：

https://bc50i.s3.amazonaws.com/nerfwars2.mp4?AWSAccessKeyId=
   1asd06A5MR2&Expires=1234738280&Signature=rZvk8Gkms%3D


现在，通过该 URL，可以在浏览器中获得图 2 所示的内容：


图 2. 用于下载的 URL


这个过程是不是很简单？通过几行代码，我在云中创建了一个安全资产，该资产只能通过特殊的 URL 下载。

利用 S3 完成时间敏感型下载

如果您的带宽和存储需求不稳定，则 S3 能提供很多帮助。例如，想想我演示的业务模型 — 影片在一年中特定的时间发布。在传统的存储模型中，您需要在某处机架上购买许多空间（或提供通向它的硬件和管道），很可能下载量很大，但随后会相对降低。但是，您不能根据需要付费。使用 S3，该模型将根据需要付费 — 公司仅在需要时为存储和带宽付费。更重要的是，S3 的安全特性可以帮助您进一步指定人们何时可以下载视频，甚至可以指定谁可以下载。

使用 S3 实现这些需求非常容易。在高水平上，创建一个受限的影片公共下载需要 4 个步骤：

登录 S3 。
创建存储段。
向存储段添加所需的视频（或对象）。
创建一个指向该视频的时间敏感型 URL 。

就是这样！






结束语

与传统存储模型相比，S3 的随需付费模型有很多明显的优势。例如，在自己的硬盘上存储音乐收藏，我必须预先花 130 美元购买一个 500GB 的存储单元。我没有 500GB 的数据可以存储，因此我为自己不需要的空间花费了 25 美分 /GB（虽然很便宜）。我还需要维护设备并支付电费。如果我使用 Amazon，我不需要预先为不重要的资产支付 130 美元。我只需要支付 10 美分 /GB，无需为管理和维护存储硬件付费。现在想想在整个企业范围内实现这些服务的好处。以 Twitter 为例，在 S3 上为 100 万个用户帐户存储图片。通过按照使用付费的方式，Twitter 不需要花费大量资金购买硬件基础设施来存储和提供图片服务，也不需要支出人力和部件成本来配置和维护图片。

云的好处还不止这些。您还可以实现低延迟和高可用性。假设存储在 Amazon 云中的资产遍布全世界，那么为各个位置提供内容的速度将会更快。更重要的是，由于您的资产分布在各种机器上，您的数据在一些机器（或部分网络）瘫痪时也能保持高可用性。

一言以蔽之，Amazon S3 的好处很简单：低成本、高可用性、安全。除非您是一个 SAN 专家，喜欢维护硬件资产来存储数据内容，但是 Amazon 可能比您做的更好。在资金紧张的时候，为什么还要将自己的资金提前预支在硬件上呢（不要忘了，硬件会随时间贬值）？

评论

1 楼 thinke365 2009-12-10  

翻译？。。