关于下载 GAE High Replication Datastore 数据［实战篇］上

前言

本文部分内容谷歌官方文档并未陈述，根据谷歌文档和实战经验看来，谷歌目前对High Replication datastore的数据下载支持并不稳定，不过谷歌称在未来将会改善。

从写本文到落实本文期间，谷歌对Google Engine Launcher进行了一次升级到1.7.7.695。所以不保证本文所有内容对最新的Google Engine都适用。

［注意］谷歌关于数据上传下载的文档所针对的是Master/slave datastore，而本文是根据针对High Replication datastore而作的。因为我没有使用过Master/slave datastore，因此不知道谷歌原文针对Master/slave datastore的描述有效性如何。如果你使用Master/slave datastore，请优先参考原文，然后再参考本文。

［注意］谷歌针对Master/slave datastore给出的命令，有些在执行时并不能成功，这些针对High Replication datastore失效的命令在本文中使用红色字体进行引用。

正文

谷歌使用一个叫Bulk loader tool的东西进行数据的上传下载，要想要从谷歌的datastore上传下载数据，关键在于配置bulk loader。通过Bulk Loader传递数据时，不支持Federated(OpenID) Authentication，而且目前说来主要支持Master/slave datastore，对High Replication datastore而言，谷歌称用户可以从 High Replication datastore 获取数据，但目前不支持，如果尝试从 High Replication datastore 下载数据的话，会在管理员控制台出现 high_replication_warning error，而且不会包含最近保存的Entities。

但根据个人经验，事实上目前已经可以从 high replication datastore 下载数据，也没有出现 high_replication_warning error，但有时可以成功，有时失败，有时下载的数据格式不对，有时下载数据不完整，因此可以看出谷歌对从 high replication datastore 下载数据的支持仍不稳定。

从GAE Datastore上传或下载数据分为三个步骤：

开启数据传递接口remote_api：必须开启了remote_api接口才能进行数据传输，开启了接口就可以将所有数据作为一个整体进行上传下载。（不用配置bulkloader.yaml）
配置数据结构描述文件bulkloader.yaml：如果想下载datastore中指定的kind，并且按照xml或csv格式进行传递的话，就必须配置并使用bulkloader.yaml。
上传或下载数据：通过命令行，按照bulkloader.yaml中的数据格式描述来上传下载数据。

开启remote_api

Google Engine通过remote_api接口来与部署在Google Engine的App进行通讯，Google Engine允许具有合法身份的请求通过remote_api接口远程访问App datastore。

有两种配置方法来开启remote_api，使用内建指令(builtins directive)或者url指令(url directive)。

1. 使用内建指令开启remote_api

在App文件夹中，编辑app.yaml，增加以下代码：

builtins:
- remote_api: on

这个命令会引导App去 include.yaml 文件中寻找 remote_api 接口，并且将此接口映射到 /_ah/remote_api，这个url地址只有管理员才可以访问。

但谷歌没有告诉你，你的App文件夹中很可能是没有 include.yaml 文件的。因此你需要创建一个 include.yaml 文件，内容如下：

handlers:
- url: /_ah/remote_api(/.*)?
  script: $PYTHON_LIB/google/appengine/ext/remote_api/handler.py

　　以上配置完成之后，使用Google Engine Launcher重新部署一次，如果没有安装Launcher则可以使用以下命令进行部署更新。部署完成后就开启了remote_api。

appcfg.py update <app-directory>

2. 使用url指令开启remote_api

使用url指令的好处在于可以将remote_api映射到个性化的url，而使用内建指令时，你的访问地址必定是 /_ah/remote_api。还是编辑app.yaml文件，增加以下内容：

- url: /remote_api
  script: $PYTHON_LIB/google/appengine/ext/remote_api/handler.py
  login: admin

在第一行的url中，你可以配置你想要的url作为接口访问地址。当然，这个接口仍只有管理员可以访问。配置完成后重新部署一次应用以更新服务器端的app.yaml文件。

［注意］谷歌提醒使用个性化url访问remote_api接口时，需要提前在 /_ah/remote_api 路径下安装了 remote_api handler。因为我一开始是使用内建命令开启remote_api，因此remote_api handler可能就在这个时候就被安装了，如果你一开始使用url指令但运行失败的话，不妨先用内建指令开启一下remote_api，然后再改用url指令来个性化自己的访问地址。

3. 上传和下载所有数据

因为没有配置bulkloader.yaml，因此此时只能将所有kinds或者某一个kind下载下来，而不能按照xml或者csv进行上传或下载。这时下载的data文件只能作为数据库备份，或者将一个应用的数据库迁徙到另一个应用的数据库中而使用。并且该data不能作为本地的开发服务器使用。

若要下载所有kind，谷歌说执行以下指令：

$ appcfg.py download_data --url=http://your_app_id.appspot.com/_ah/remote_api --filename=<data-filename>

其中url中的 /_ah/remote_api 是你之前开启remote_api时所指定的映射地址，filename是下载到本地需要生成的文件名（谷歌没有限定输出的文件名，你可以自己指定，数据会被写入这个文件中。）

正如你所见以上谷歌原文被以红色字体进行引述，说明它是一条失败的命令。以上命令失败之处在于，url中的http协议应修改为https协议。如果仅是修改https协议，也不会成功，你甚至都没有连接到你的remote_api。下面是正确写法：

$ appcfg.py download_data --application=s~ifantastic-dragon --auth_domain=gmail.com --url=https://ifantastic-dragon.appspot.com/_ah/remote_api --filename=s.sql3

　　以上代码解释：

download_data：下载数据，如果要上传则是upload_data。
--application：表示需要连接的应用名称，谷歌说使用--url参数时会自动探测到application名称，所以不推荐使用--application，但是如果不使用--application参数，你很难连接上你的remote_api接口（不过我有一次没有使用--application也下载成功，所以证明GAE还很不稳定。）。［注意］在输入应用名称时格式为 s~applicationname。
--auth_domain：当连接GAE的remote_api需要验证身份，这个参数可以让你使用谷歌帐号来访问Google App。如果不加入这个参数，在命令行中你会没有机会输入你的帐号和密码，但直接得到身份验证失败的错误提示。（我也曾经不使用这个参数成功下载过。不过最近都一直要加这个参数才行。）
--url：请使用https代替http协议，个人经验从未使用http协议成功过。
--filename：必须指定一个filename来接收数据，类型无所谓。

［注意］关于参数的顺序问题，虽然是命名参数，但个人经验是，按照以上所示例的顺序书写参数成功次数较多。所以建议先传入application和auth_domain，以便顺利进行身份认证。

如果要下载指定kind，可以加上--kind参数，如下：

$ appcfg.py download_data --application=s~ifantastic-dragon --auth_domain=gmail.com --url=https://ifantastic-dragon.appspot.com/_ah/remote_api --kind=Wordroot --filename=s.sql3

上传数据与下载类似，只需要将download_data修改为upload_data就可以了。

好了，关于上传和下载数据先写到这儿，下篇将介绍如何使用bulkloader来传递xml或csv。