Menyediakan Suket dalam LocalStack
pengenalan
Bekerja dengan Amazon S3 adalah perkara biasa untuk penyelesaian storan awan, tetapi untuk ujian tempatan, berinteraksi dengan AWS boleh menjadi tidak cekap dan mahal. LocalStack ialah timbunan awan AWS tempatan berfungsi sepenuhnya yang mencontohi perkhidmatan AWS. Dalam panduan ini, kami akan membincangkan cara menyediakan baldi S3 dalam LocalStack pada macOS, membincangkan faedah menggunakan persediaan ini dan memberikan contoh kod penuh.
Mengapa Menggunakan LocalStack untuk S3?
Menggunakan LocalStack untuk mensimulasikan S3 memberikan faedah utama:
- Kecekapan Kos: Anda mengelakkan caj daripada AWS.
- Kelajuan: Ujian lebih pantas kerana ia dijalankan secara setempat.
- Ujian Luar Talian: Tiada sambungan internet diperlukan.
- Pengasingan: Mengurangkan risiko menjejaskan sumber AWS sebenar secara tidak sengaja.
Prasyarat
Pastikan yang berikut dipasang pada OS anda masing-masing:
- Docker (diperlukan untuk LocalStack) - Muat turun di sini.
- Python & pip (diperlukan untuk AWS CLI dan boto3).
- LocalStack melalui pip atau Docker.
Langkah 1: Pasang dan Mulakan LocalStack
- Pasang LocalStack:
brew install localstack
- Jalankan LocalStack sebagai bekas Docker:
localstack start
Nota: Jika anda menghadapi masalah kebenaran, tambahkan sudo pada arahan.
Langkah 2: Sediakan AWS CLI untuk LocalStack
- Pasang AWS CLI:
brew install awscli
Nota: Perintah di atas adalah untuk macOS. Cari dokumentasi lengkap tentang cara memasang awscli.
- Konfigurasikan AWS CLI (perlu untuk penggunaan LocalStack):
aws configure
Gunakan nilai pemegang tempat:
- ID Kunci Akses AWS: ujian
- Kunci Akses Rahsia AWS: ujian
- Wilayah: us-timur-1
Format output: json
Tetapkan URL Titik Akhir LocalStack:
export LOCALSTACK_ENDPOINT=http://localhost:4566
Langkah 3: Cipta Baldi S3 dalam LocalStack
- Untuk mencipta baldi S3 baharu:
aws --endpoint-url=$LOCALSTACK_ENDPOINT s3 mb s3://my-local-bucket
Langkah 4: Sahkan Baldi
- Semak baldi anda dengan menyenaraikan semua baldi:
aws --endpoint-url=$LOCALSTACK_ENDPOINT s3 ls
Langkah 5: Muat Naik dan Muat Turun Fail
- Buat fail sampel:
echo "Hello LocalStack!" > testfile.txt
- Muat naik fail ke baldi anda:
aws --endpoint-url=$LOCALSTACK_ENDPOINT s3 cp testfile.txt s3://my-local-bucket
- Muat turun fail:
aws --endpoint-url=$LOCALSTACK_ENDPOINT s3 cp s3://my-local-bucket/testfile.txt downloaded_testfile.txt
Langkah 6: Gunakan Python dan Boto3 untuk Operasi S3
- Pasang Boto3
pip install boto3
- Kod Python untuk Operasi Baldi Skrip Python berikut menunjukkan mencipta baldi, memuat naik fail, menyenaraikan objek dan memuat turun fail menggunakan Boto3:
import boto3 from botocore.config import Config # Configuration for LocalStack localstack_config = Config( region_name='us-east-1', retries={'max_attempts': 10, 'mode': 'standard'} ) # Initialize the S3 client with LocalStack endpoint s3_client = boto3.client( 's3', endpoint_url="http://localhost:4566", aws_access_key_id="test", aws_secret_access_key="test", config=localstack_config ) bucket_name = "my-local-bucket" # Create the bucket s3_client.create_bucket(Bucket=bucket_name) print(f"Bucket '{bucket_name}' created.") # Upload a file s3_client.upload_file("testfile.txt", bucket_name, "testfile.txt") print("File uploaded.") # List objects in the bucket objects = s3_client.list_objects_v2(Bucket=bucket_name) for obj in objects.get('Contents', []): print("Found file:", obj['Key']) # Download the file s3_client.download_file(bucket_name, "testfile.txt", "downloaded_testfile.txt") print("File downloaded.")
Jalankan skrip:
brew install localstack
Langkah 7: Bersihkan Sumber
- Untuk memadam baldi dan kandungannya:
localstack start
Kesimpulan
Artikel ini menyediakan panduan langkah demi langkah untuk menyediakan baldi S3 dalam LocalStack. Persediaan ini sesuai untuk pembangunan tempatan, membolehkan anda menguji kefungsian AWS S3 dengan selamat tanpa menanggung kos atau memerlukan sambungan internet.
Atas ialah kandungan terperinci Menyediakan Suket dalam LocalStack. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.
