对象存储 ListObject 有啥值得思考的？

202次阅读  |  发布于3年以前

大纲

如何列举桶中对象

云存储服务对业务提供基础的数据上传、下载能力，以简单易用作为重点，但有些时候，我们有列举需求。列举是什么意思？比如我们往一个 bucket 里面上传了一些对象，但是我们不知道名字，那么只能让存储系统来告诉你，这个 bucket 里对象的列表。“列举”这是一个简单的需求，但是也有隐形的约束或者前提需要明确。对象存储一把应对的场景是海量对象（上亿级甚至更多），这种前提下，提供的列举功能就不再简单了。

怎么列举对象？

列举对象（List Object）也叫 GET Bucket，用于列出该存储桶内的部分或者全部对象。该 API 的请求者需要对 Bucket 有读权限。

请求参数

OSS，COS，S3 等公有云厂商对于请求参数基本都是一致的：

这 5 个参数是公有云厂商 ListObject 接口都会提供的，也是 S3 协议的一部分，基本上不会有其他偏差（发现 COS 的 max-keys 默认值是 1000，OSS 的默认值是 100）。delimiter，encodeing-type 这两个参数不会影响数据内容，只是数据展示的一个选项，所以重点说下 prefix，marker，max-keys 这三个参数。为什么单独说这三个参数，因为这三个参数会影响到你返回的数据内容

prefix

这个理解相对简单，其实就是一个字符串匹配，比如我只想获取到 test_ 开头的对象，那么就可以通过这个参数匹配。prefix 允许你对对象做一个简单的过滤。

举个例子，我的一个 bucket 下面有下面这 6 个对象，可以用 prefix = path1/ 只过滤出所有 path1/ 前缀的对象。

（旁白：对象的 key 就是 path1/object_1 哈，不要理解错了，key 里面是可以有 '/' 字符的）

marker

这个是一个锚点，指定 marker 就是指定列举桶中对象起始位置，marker非必需，默认为空从第一个 key 开始。指定 maker 的时候，从匹配位置的下一个对象开始列举。

举个栗子，我基于上面 prefix 的例子，再加上 marker ，列举的结果如下：

marker 是要和 max-keys 来配合使用的，来达到一个分页的功能。

max-keys

max-keys 指定当前次列举返回满足条件的对象数量。max-keys<=1000(默认为1000)，以下图为例业务只列举 1 个对象

以上三个参数含义很简单，但是其实有个隐藏的知识点，划重点：ListObject 列举的对象是字典序排序。一定是有这个前提，marker，max-keys 这两个参数才是正常工作的。大家可以思考下为啥？

因为，如果对象 key 不排序，那么 marker 锚点将无从谈起，自然分页功能也无法实现。

响应格式

我在本地搭建了一个对象存储系统用于测试，演示下请求和响应格式，工具使用 s3curl ，s3curl 的好处就是能把 http 的请求和响应包完整的打印出来，能让我们看到 s3 的协议格式：

命令：

root@ubuntu:~/# s3curl --id=mock -- http://127.0.0.1:20000/qiyabucket -v|xmllint -format -

响应：

# 以下是 s3curl 命令格式
root@ubuntu:~/# s3curl --id=mock -- http://127.0.0.1:20000/qiyabucket -v|xmllint -format -

# 以下是 S3 请求
> GET /qiyabucket HTTP/1.1
> Host: 127.0.0.1:20000
> User-Agent: curl/7.47.0
> Accept: */*
> Date: Sat, 31 Oct 2020 10:19:45 +0000
> Authorization: AWS PjFtQJWfvKrSLYkSlV-keCKWzmXzSK1Zp3R9S5MV:ZpK77CdhcR3wMGAZbP4fDLsayu4=
> 

# 以下是 S3 响应；
< HTTP/1.1 200 OK
< Vary: Origin,Access-Control-Request-Method,Access-Control-Request-Headers
< x-amz-request-id: qBgAALuUmUl0DEMW
< Date: Sat, 31 Oct 2020 10:19:45 GMT
< Content-Length: 491
< Content-Type: text/plain; charset=utf-8
< 
<?xml version="1.0"?>
<ListBucketResult xmlns="http://s3.amazonaws.com/doc/2006-03-01/">
  <Name>qiyabucket</Name>
  <Delimiter/>
  <Prefix/>
  <Marker/>
  <MaxKeys>1000</MaxKeys>
  <IsTruncated>false</IsTruncated>
  <Contents>
    <Key>object1</Key>
    <ETag>"6021a1469375b00fab2d51732f7e9d0e"</ETag>
    <Size>46625</Size>
    <LastModified>2020-10-31T10:19:43.000Z</LastModified>
    <StorageClass>STANDARD</StorageClass>
    <Owner>
      <ID>260637563</ID>
      <DisplayName>260637563</DisplayName>
    </Owner>
  </Contents>
</ListBucketResult>

“列举对象”是否真的很简单？

至此，我们就了解了 ListObject 这个接口的使用方法，那么这个接口为啥值得注意呢？

我们注意到，前面在说明 marker 参数的时候，提到一个隐形前提条件：对象列表输出必须有序 ，再基于海量的前提假设，那么这个接口就不简单了。为啥不简单？

举个例子，如果你的 bucket 里面有 1 亿个对象，你要实现个 marker ，prefix 的功能，你要怎么做？比如下面的参数，我们想要从 'test/object_1' 这个位置，列举出 'test/' 前缀的对象，只列举 100 个对象：

prefix = test/
marker = test/object_1
max-keys = 100

最简单的实现思路，ListObject 请求来了，把 1亿 的对象元数据加载到内存，然后对这 1亿个对象做一遍排序，然后找到 'test/object_1' 这个对象的位置，从这个位置的下一个开始，输出100个对象。。。你就完成了一次 100 个对象的列举额。

说的文字很简单，那可是 1 亿个对象呀，我只要 100个对象，却要对 1 亿个对象做排序，这个代价是非常大的。

所以，列举对象不简单。

ListObject 的思考

首先，我们站在几个角度思考这个List Object 这个简单的需求：

站在用户的角度：

在海量对象场景业务往往不会频繁的列举桶中对象，只有个别场景可能会用到列举（比如有些文件网关的一些实现，文件系统有 ls 的实现），列举 API 的调用占比不足万分之一。

基于这个现实假定，我们可以做出一些对应的策略，比如让用户来承受这个代价，比如向用户收费，流控，性能慢等等，这是个权衡。

站在存储系统的角度：

列举必然是一个高代价的操作，所以公有云服务商一般会把这个代价平摊给用户，并且在性能和数据一致性方面做权衡。

举个例子，比如：

腾讯云 COS

腾讯云的这个文档提示就说明了他们对于这一块是做了选择的。这里很可能是系统内部为了 List 接口的性能而实现成一个异步化的操作。

我们可以思考下，为啥 COS 会有这么一个声明？很简单的可以猜到，COS上传，List 的时候对象元数据还可能获取不到。注意了，这个是 ListObject 对象的时候，才是最终一致性，上传下载的数据还是强一致性的。什么时候会有这样的实现？举个栗子，我们 PutObject ，写元数据必须写6副本成功，才会返回用户成功。但是 ListObject 的时候，我们为了性能，我们只获取到一个副本的元数据成功，我们就返回成功，那么这种就不是强一致性的。

阿里云没看到这个提示，就不大知道他们的策略了。这些东西都是技术上都可以实现的东西，但是可能你选择了一个方向，就会牺牲掉一个方面。

总结

ListObject 是一个简单的用户需求，但是却有着不简单的实现。最本质的原因就是海量对象和排序的要求导致的。

Copyright© 2013-2020

All Rights Reserved 京ICP备2023019179号-8