Nano Hash - криптовалюты, майнинг, программирование

Получение размера изображения S3 из Stream с помощью C #

Я загрузил изображение в Amazon Web Service S3. Я читаю изображение из S3, используя client.GetObject.

Я конвертирую изображение в серию байтов. Для этого я создаю буфер (byte[]) для хранения данных, когда я конвертирую поток в байты с помощью Stream.read.

Для этого мне нужно выделить правильное количество байтов для буферного массива.

Мой вопрос: как я могу получить размер изображения после того, как оно было прочитано в S3Response object. Я знаю, что могу запустить responseObject.ResponseStream, чтобы получить поток, но как мне получить размер потока?

Разработка с помощью AWS SDK .NET C #

amazon-web-services amazon-s3 stream c#
26.02.2014

Ответы:


1

Есть лучшее и оптимизированное решение для передачи файлов в s3 и обратно - TransferUtility в AWS Sdk. В виде:

using (var fileTransferUtility = new TransferUtility(client))
{
    var request = new TransferUtilityDownloadRequest();
    request.BucketName = BucketName;
    request.FilePath = desination;
    request.Key = key;
    fileTransferUtility.Download(request);
}
26.02.2014
  • Как я могу получить доступ к ответу, скачивание возвращает недействительность 26.02.2014
  • Он скопирует файл из s3 в место назначения. Вы можете проверить это с помощью new FileInfo (desination) .Exists; 27.02.2014

    • 2

    Вы можете использовать свойство ResponseStream.Length, которое дает длину объекта в байтах.

    27.02.2014

    3

    ResponseStream.Length вызывает исключение, потому что это сетевой поток («не поддерживает поиск»).

    Прежде чем запрашивать сам поток, получите информацию о нем в списке каталогов:

    var request = new ListObjectsV2Request
{
    BucketName = bucketName,
    Prefix = $"{folderName}/{fileName}"
};
var response = Client.ListObjectsV2(request);
var fileSize = response.S3Objects.Any() ? response.S3Objects.First().Size : 0;
    05.12.2017
    Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..