如何删除或清除 S3 上的旧文件？

Question

是否有现有的解决方案可以删除超过 x 天的任何文件？

Answer 1

Amazon 最近推出了对象过期。

Amazon S3 宣布对象过期

Amazon S3 宣布了新的
功能，对象过期，允许您安排删除
在预定义的时间段后您的对象。使用对象过期
安排定期清除物体，无需您
识别要删除的对象并向亚马逊提交删除请求
S3。

您可以为一组对象定义对象过期规则
你的水桶。每个对象过期规则允许您指定一个
前缀和有效期（以天为单位）。前缀字段（例如
logs/) 标识受过期规则约束的对象，并且
过期期限指定从创建日期算起的天数
（即年龄）之后应移除物体。一旦物体
已过期，它们将排队等待删除。你
对象在其存储之日或之后将不会被收取存储费用
到期日期。

Answer 2

以下是有关如何执行此操作的一些信息...

生命周期配置元素

Answer 3

以下是如何使用 CloudFormation 模板实现它：

  JenkinsArtifactsBucket:
    Type: "AWS::S3::Bucket"
    Properties:
      BucketName: !Sub "jenkins-artifacts"
      LifecycleConfiguration:
        Rules:
          - Id: "remove-old-artifacts"
            ExpirationInDays: 3
            NoncurrentVersionExpirationInDays: 3
            Status: Enabled

这将创建一个生命周期规则 拉维·巴特解释。

了解更多相关内容：AWS::S3::Bucket Rule

对象生命周期管理的工作原理：管理您的存储生命周期

Answer 4

您可以使用 AWS S3 生命周期规则使文件过期并删除它们。您所要做的就是选择存储桶，单击“添加生命周期规则”按钮并进行配置，AWS 将为您处理这些规则。

您可以参考 Joe 的以下博客文章以获取分步说明。实际上很简单：

Amazon S3 – 如何删除超过 x 天的文件

Answer 5

下面是一个用于删除 N 天前的文件的 Python 脚本：

from boto3 import client, Session
from botocore.exceptions import ClientError
from datetime import datetime, timezone
import argparse

if __name__ == '__main__':

    parser = argparse.ArgumentParser()

    parser.add_argument('--access_key_id', required=True)
    parser.add_argument('--secret_access_key', required=True)
    parser.add_argument('--delete_after_retention_days', required=False, default=15)
    parser.add_argument('--bucket', required=True)
    parser.add_argument('--prefix', required=False, default="")
    parser.add_argument('--endpoint', required=True)

    args = parser.parse_args()

    access_key_id = args.access_key_id
    secret_access_key = args.secret_access_key
    delete_after_retention_days = int(args.delete_after_retention_days)
    bucket = args.bucket
    prefix = args.prefix
    endpoint = args.endpoint

    # Get current date
    today = datetime.now(timezone.utc)

    try:
        # create a connection to Wasabi
        s3_client = client(
            's3',
            endpoint_url=endpoint,
            access_key_id=access_key_id,
            secret_access_key=secret_access_key)
    except Exception as e:
        raise e

    try:
        # List all the buckets under the account
        list_buckets = s3_client.list_buckets()
    except ClientError:
        # Invalid access keys
        raise Exception("Invalid Access or Secret key")

    # Create a paginator for all objects.
    object_response_paginator = s3_client.get_paginator('list_object_versions')
    if len(prefix) > 0:
        operation_parameters = {'Bucket': bucket,
                                'Prefix': prefix}
    else:
        operation_parameters = {'Bucket': bucket}

    # Instantiate temp variables.
    delete_list = []
    count_current = 0
    count_non_current = 0

    print("$ Paginating bucket " + bucket)
    for object_response_itr in object_response_paginator.paginate(**operation_parameters):
        for version in object_response_itr['Versions']:
            if version["IsLatest"] is True:
                count_current += 1
            elif version["IsLatest"] is False:
                count_non_current += 1
            if (today - version['LastModified']).days > delete_after_retention_days:
                delete_list.append({'Key': version['Key'], 'VersionId': version['VersionId']})

    # Print objects count
    print("-" * 20)
    print("$ Before deleting objects")
    print("$ current objects: " + str(count_current))
    print("$ non-current objects: " + str(count_non_current))
    print("-" * 20)

    # Delete objects 1000 at a time
    print("$ Deleting objects from bucket " + bucket)
    for i in range(0, len(delete_list), 1000):
        response = s3_client.delete_objects(
            Bucket=bucket,
            Delete={
                'Objects': delete_list[i:i + 1000],
                'Quiet': True
            }
        )
        print(response)

    # Reset counts
    count_current = 0
    count_non_current = 0

    # Paginate and recount
    print("$ Paginating bucket " + bucket)
    for object_response_itr in object_response_paginator.paginate(Bucket=bucket):
        if 'Versions' in object_response_itr:
            for version in object_response_itr['Versions']:
                if version["IsLatest"] is True:
                    count_current += 1
                elif version["IsLatest"] is False:
                    count_non_current += 1

    # Print objects count
    print("-" * 20)
    print("$ After deleting objects")
    print("$ current objects: " + str(count_current))
    print("$ non-current objects: " + str(count_non_current))
    print("-" * 20)
    print("$ task complete")

以下是我运行它的方式：

python s3_cleanup.py --aws_access_key_id="access-key" --aws_secret_access_key="secret-key-here" --endpoint="https://s3.us-west-1.wasabisys.com" --bucket="ondemand-downloads" --prefix="" --delete_after_retention_days=5

如果您只想从特定文件夹中删除文件，请使用 prefix 参数。

Answer 6

您可以使用以下 PowerShell 脚本删除 x 天后过期的对象。

[CmdletBinding()]
Param(
  [Parameter(Mandatory=$True)]
  [string]$BUCKET_NAME,             # Name of the Bucket

  [Parameter(Mandatory=$True)]
  [string]$OBJ_PATH,                # Key prefix of s3 object (directory path)

  [Parameter(Mandatory=$True)]
  [string]$EXPIRY_DAYS              # Number of days to expire
)

$CURRENT_DATE = Get-Date
$OBJECTS = Get-S3Object $BUCKET_NAME -KeyPrefix $OBJ_PATH
Foreach($OBJ in $OBJECTS){
    IF($OBJ.key -ne $OBJ_PATH){
        IF(($CURRENT_DATE - $OBJ.LastModified).Days -le $EXPIRY_DAYS){
            Write-Host "Deleting Object= " $OBJ.key
            Remove-S3Object -BucketName $BUCKET_NAME -Key $OBJ.Key -Force
        }
    }
}