我正在研究AWS-EMR集群,并添加了运行S3DISTCP(https://docs.aws.amazon.com/es_es/emr/latest/ReleaseGuide/UsingEMR_s3distcp.html)的步骤,这是为了从s3存储桶(目标/目标也是s3存储桶)复制对象。
将对象正确复制到目标存储桶,并按预期使用--deleteonSuccess
选项复制从源存储桶中删除的对象。这里的问题是,对于每个包含复制对象的文件夹(在源存储桶上),在源存储桶的根目录下都会创建一个新文件(这仅在--deleteonSuccess
选项下发生)。
我使用的参数是:
s3-dist-cp --s3Endpoint=s3.amazonaws.com --src=s3://MY_SOURCE_BUCKET/ --dest=s3://MY_DESTINATION_BUCKET/ --srcPrefixesFile=s3://ANOTHER_BUCKET/objects_list.txt --deleteonSuccess
在这种情况下,如果s3://MY_SOURCE_BUCKET/
中包含:
s3://MY_SOURCE_BUCKET/
|--folder_a/
| |------ a.txt
| |------ b.txt
| |------ c.txt
|--folder_b/
|------ d.txt
如果我只想复制和删除s3://MY_SOURCE_BUCKET/folder_a/b.txt
,则在S3DISTCP运行完成后,源存储桶如下所示:
s3://MY_SOURCE_BUCKET/
|--folder_a_$folder$ <-- This is the new file created with `_$folder$` suffix
|--folder_a/
| |------ a.txt
| |------ c.txt
|--folder_b/
|------ d.txt
有没有办法避免S3DISTCP在源存储桶上创建此新文件?