批量复制

MinIO 版本新增： RELEASE.2022-10-08T20-11-00Z

批处理框架是在 mc RELEASE.2022-10-08T20-11-00Z 中使用 replicate 作业类型引入的。

MinIO 批处理框架允许您使用 YAML 格式的作业定义文件（“批处理文件”）创建、管理、监控和执行作业。批处理作业直接在 MinIO 部署上运行，以利用服务器端处理能力，而不会受到运行 MinIO 客户端的本地机器的限制。

replicate 批处理作业将对象从一个 MinIO 部署（source 部署）复制到另一个 MinIO 部署（target 部署）。source 或 target **必须** 是本地部署。

MinIO 部署之间的批量复制与使用 mc mirror 相比具有以下优势

将客户端到集群网络作为潜在瓶颈消除
用户只需要访问启动批处理作业，而不需要其他权限，因为作业完全在集群的服务器端运行
该作业提供重试尝试，以防对象未复制
批处理作业是一次性的、精心策划的过程，允许精细控制复制
（仅 MinIO 到 MinIO）复制过程将对象版本从源复制到目标

MinIO 版本变更： Server RELEASE.2023-02-17T17-52-43Z

通过指定 MINIO_BATCH_REPLICATION_WORKERS 环境变量，并行使用多个工作程序运行批量复制。

从 MinIO Server RELEASE.2023-05-04T21-44-30Z 开始，其他部署可以是另一个 MinIO 部署，也可以是使用实时存储类的任何与 S3 兼容的位置。在复制 YAML 文件中使用过滤选项来排除存储在需要重新水合或其他恢复方法才能提供请求对象的位置的对象。对这些类型的远程的批量复制使用 mc mirror 行为。

行为

访问控制和要求

批量复制与存储桶复制具有相似的访问和权限要求。

“源”部署的凭据必须具有类似于以下的策略

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Action": [
                "admin:SetBucketTarget",
                "admin:GetBucketTarget"
            ],
            "Effect": "Allow",
            "Sid": "EnableRemoteBucketConfiguration"
        },
        {
            "Effect": "Allow",
            "Action": [
                "s3:GetReplicationConfiguration",
                "s3:ListBucket",
                "s3:ListBucketMultipartUploads",
                "s3:GetBucketLocation",
                "s3:GetBucketVersioning",
                "s3:GetObjectRetention",
                "s3:GetObjectLegalHold",
                "s3:PutReplicationConfiguration"
            ],
            "Resource": [
                "arn:aws:s3:::*"
            ],
            "Sid": "EnableReplicationRuleConfiguration"
        }
    ]
}

“远程”部署的凭据必须具有类似于以下的策略

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": [
                "s3:GetReplicationConfiguration",
                "s3:ListBucket",
                "s3:ListBucketMultipartUploads",
                "s3:GetBucketLocation",
                "s3:GetBucketVersioning",
                "s3:GetBucketObjectLockConfiguration",
                "s3:GetEncryptionConfiguration"
            ],
            "Resource": [
                "arn:aws:s3:::*"
            ],
            "Sid": "EnableReplicationOnBucket"
        },
        {
            "Effect": "Allow",
            "Action": [
                "s3:GetReplicationConfiguration",
                "s3:ReplicateTags",
                "s3:AbortMultipartUpload",
                "s3:GetObject",
                "s3:GetObjectVersion",
                "s3:GetObjectVersionTagging",
                "s3:PutObject",
                "s3:PutObjectRetention",
                "s3:PutBucketObjectLockConfiguration",
                "s3:PutObjectLegalHold",
                "s3:DeleteObject",
                "s3:ReplicateObject",
                "s3:ReplicateDelete"
            ],
            "Resource": [
                "arn:aws:s3:::*"
            ],
            "Sid": "EnableReplicatingDataIntoBucket"
        }
    ]
}

有关在 MinIO 部署中添加用户、访问密钥和策略的更完整文档，请参阅 mc admin user、mc admin user svcacct 和 mc admin policy。

配置为 Active Directory/LDAP 或 OpenID Connect 用户管理的 MinIO 部署可以创建专用的访问密钥来支持批量复制。

过滤复制目标

批量作业定义文件可以通过存储桶、前缀和/或过滤器来限制复制，以仅复制某些对象。复制过程对对象和存储桶的访问权限可能会受到您在 YAML 中为源或目标目的地提供的凭据的限制。

MinIO 版本变更： Server RELEASE.2023-04-07T05-28-58Z

您可以从远程 MinIO 部署复制到运行批量作业的本地部署。

例如，您可以使用批量作业执行一次性复制同步，将对象从 minio-local/invoices/ 上本地部署的存储桶推送到 minio-remote/invoices 上远程部署的存储桶。您还可以将对象从 minio-remote/invoices 上远程部署拉取到 minio-local/invoices 上本地部署。

小文件优化

从 RELEASE.2023-12-09T18-17-51Z 开始，批量复制默认情况下会自动对小于 5MiB 的对象进行批量处理和压缩，以高效地在源和远程之间传输数据。远程 MinIO 部署可以检查并立即将生命周期管理分层规则应用于批量处理的对象。此功能类似于 S3 Snowball Edge 提供的小文件批量处理功能。

您可以在复制作业配置中修改压缩设置。

复制批量作业参考

YAML 必须定义源和目标部署。如果源部署是远程的，则目标部署必须为 local。可选地，YAML 还可以定义标志来过滤哪些对象复制、发送作业通知或定义作业重试尝试次数。

MinIO 版本变更： RELEASE.2023-04-07T05-28-58Z

您可以从远程 MinIO 部署复制到运行批量作业的本地部署。

MinIO 版本变更： RELEASE.2024-08-03T04-33-23Z

此版本引入了批量作业复制 API 的新版本 v2。更新后的 API 允许您列出源上要复制的多个前缀。要从源复制多个前缀，请将 replicate.apiVersion 指定为 v2。

replicate:
  apiVersion: v2
  source:
    type: minio
    bucket: mybucket
    prefix:
      - prefix1
      - prefix2
...

对于源部署

必需信息

type

必须为 minio。

bucket

部署上的存储桶。

可选信息

`prefix`	应该复制的对象的(们)前缀。从 MinIO Server `RELEASE.2024-08-03T04-33-23Z` 开始，批量作业复制 API 的 v2 版本允许您列出多个前缀。将 `replicate.apiVersion` 指定为 `v2` 以从多个前缀复制。
`endpoint`	要用于复制批量作业的源或目标的部署位置。例如，`https://minio.example.net`。如果部署是您对命令指定的 mc 别名设置，则省略此字段以指示 MinIO 使用该别名作为端点和凭据值。源部署或远程部署必须是 “本地” 别名。非“本地”部署必须指定 `endpoint` 和 `credentials`。
`path`	指示 MinIO 使用存储桶的路径或虚拟样式 (DNS) 查找。 - 将 `on` 指定为路径样式 - 将 `off` 指定为虚拟样式 - 将 `auto` 指定为让 MinIO 确定正确的查找样式。默认为 `auto`。
`credentials`	授予对象访问权限的 `accesskey:` 和 `secretKey:` 或 `sessionToken:`。仅对不是本地部署的部署指定。
`snowball`	版本添加: RELEASE.2023-12-09T18-17-51Z 用于控制批量处理和压缩功能的配置选项。
`snowball.disable`	将 `true` 指定为在复制期间禁用批量处理和压缩功能。默认为 `false`。
`snowball.batch`	指定要进行压缩的批量处理的最大对象数量。默认为 `100`。
`snowball.inmemory`	将 `false` 指定为使用本地存储来暂存归档，或将 `true` 指定为暂存到内存 (RAM)。默认为 `true`。
`snowball.compress`	将 `true` 指定为使用 S2/Snappy 压缩算法在网络上生成压缩批量处理的对象。默认为 `false` 或不压缩。
`snowball.smallerThan`	指定 MinIO 应该对对象进行批量处理的尺寸，以兆位 (MiB) 为单位。默认为 `5MiB`。
`snowball.skipErrs`	将 `false` 指定为指示 MinIO 在遇到任何读取错误的对象时停止。默认为 `true`。

对于目标部署

必需信息

type

必须为 minio。

bucket

部署上的存储桶。

可选信息

`prefix`	要复制的对象的(们)前缀。
`endpoint`	目标部署的位置。如果目标是您对命令指定的别名，则您可以省略此字段和 `credentials` 字段。如果目标是“本地”，则源必须使用 `endpoint` 和 `credentials` 指定远程部署。
`credentials`	授予对象访问权限的 `accesskey` 和 `secretKey` 或 `sessionToken`。

对于过滤器

`newerThan`	以 `#d#h#s` 格式表示的时间长度的字符串。仅复制比指定时间长度新的对象。例如，`7d`、`24h`、`5d12h30s` 是有效的字符串。
`olderThan`	以 `#d#h#s` 格式表示的时间长度的字符串。仅复制比指定时间长度旧的对象。
`createdAfter`	以 `YYYY-MM-DD` 格式表示的日期。仅复制在日期之后创建的对象。
`createdBefore`	以 `YYYY-MM-DD` 格式表示的日期。仅复制在日期之前创建的对象。

对于通知

`endpoint`	用于发送通知事件的预定义端点。
`token`	访问 `endpoint` 的可选 JWT <JSON Web Token>。

对于重试尝试

如果某些事件中断作业，则您可以定义重试作业批次的尝试次数。对于每次重试，您还可以定义每次尝试之间等待的时间长度。

`attempts`	在放弃之前完成批量作业的尝试次数。
`delay`	每次尝试之间等待的最短时间。

用于 `replicate` 作业类型的示例 YAML 描述文件

使用 mc batch generate 创建一个基本的 replicate 批量作业，以便进一步定制。

对于本地部署，不要指定端点或凭据。根据哪个是本地，删除或注释掉源或目标部分的这些行。

replicate:
  apiVersion: v1
  # source of the objects to be replicated
  source:
    type: TYPE # valid values are "s3" or "minio"
    bucket: BUCKET
    prefix: PREFIX # 'PREFIX' is optional
    # If your source is the 'local' alias specified to 'mc batch start', then the 'endpoint' and 'credentials' fields are optional and can be omitted
    # Either the 'source' or 'remote' *must* be the "local" deployment
    endpoint: "http[s]://HOSTNAME:PORT" 
    # path: "on|off|auto" # "on" enables path-style bucket lookup. "off" enables virtual host (DNS)-style bucket lookup. Defaults to "auto"
    credentials:
      accessKey: ACCESS-KEY # Required
      secretKey: SECRET-KEY # Required
    # sessionToken: SESSION-TOKEN # Optional only available when rotating credentials are used
    snowball: # automatically activated if the source is local
      disable: false # optionally turn-off snowball archive transfer
      batch: 100 # upto this many objects per archive
      inmemory: true # indicates if the archive must be staged locally or in-memory
      compress: false # S2/Snappy compressed archive
      smallerThan: 5MiB # create archive for all objects smaller than 5MiB
      skipErrs: false # skips any source side read() errors

  # target where the objects must be replicated
  target:
    type: TYPE # valid values are "s3" or "minio"
    bucket: BUCKET
    prefix: PREFIX # 'PREFIX' is optional
    # If your source is the 'local' alias specified to 'mc batch start', then the 'endpoint' and 'credentials' fields are optional and can be omitted

    # Either the 'source' or 'remote' *must* be the "local" deployment
    endpoint: "http[s]://HOSTNAME:PORT"
    # path: "on|off|auto" # "on" enables path-style bucket lookup. "off" enables virtual host (DNS)-style bucket lookup. Defaults to "auto"
    credentials:
      accessKey: ACCESS-KEY
      secretKey: SECRET-KEY
    # sessionToken: SESSION-TOKEN # Optional only available when rotating credentials are used

  # NOTE: All flags are optional
  # - filtering criteria only applies for all source objects match the criteria
  # - configurable notification endpoints
  # - configurable retries for the job (each retry skips successfully previously replaced objects)
  flags:
    filter:
      newerThan: "7d" # match objects newer than this value (e.g. 7d10h31s)
      olderThan: "7d" # match objects older than this value (e.g. 7d10h31s)
      createdAfter: "date" # match objects created after "date"
      createdBefore: "date" # match objects created before "date"

      ## NOTE: tags are not supported when "source" is remote.
      # tags:
      #   - key: "name"
      #     value: "pick*" # match objects with tag 'name', with all values starting with 'pick'

      # metadata:
      #   - key: "content-type"
      #     value: "image/*" # match objects with 'content-type', with all values starting with 'image/'

    notify:
      endpoint: "https://notify.endpoint" # notification endpoint to receive job status events
      token: "Bearer xxxxx" # optional authentication token for the notification endpoint

    retry:
      attempts: 10 # number of retries for the job before giving up
      delay: "500ms" # least amount of delay between each retry

`type`	必须为 `minio`。
`bucket`	部署上的存储桶。

`type`	必须为 `minio`。
`bucket`	部署上的存储桶。