2960: Finish renaming s3aws_volume to s3_volume.
[arvados.git] / services / keepstore / s3_volume.go
index 22a38e20859dfaceeda16bedc90a59f035fda360..bd79d49e167fd77f8e768185189efd9cf620fc2c 100644 (file)
@@ -2,21 +2,17 @@
 //
 // SPDX-License-Identifier: AGPL-3.0
 
-package main
+package keepstore
 
 import (
        "bytes"
        "context"
-       "crypto/sha256"
        "encoding/base64"
        "encoding/hex"
        "encoding/json"
        "errors"
        "fmt"
        "io"
-       "io/ioutil"
-       "log"
-       "net/http"
        "os"
        "regexp"
        "strings"
@@ -24,29 +20,147 @@ import (
        "sync/atomic"
        "time"
 
-       "git.curoverse.com/arvados.git/sdk/go/arvados"
-       "github.com/AdRoll/goamz/aws"
-       "github.com/AdRoll/goamz/s3"
+       "git.arvados.org/arvados.git/sdk/go/arvados"
+       "github.com/aws/aws-sdk-go-v2/aws"
+       "github.com/aws/aws-sdk-go-v2/aws/awserr"
+       "github.com/aws/aws-sdk-go-v2/aws/defaults"
+       "github.com/aws/aws-sdk-go-v2/aws/ec2metadata"
+       "github.com/aws/aws-sdk-go-v2/aws/ec2rolecreds"
+       "github.com/aws/aws-sdk-go-v2/aws/endpoints"
+       "github.com/aws/aws-sdk-go-v2/service/s3"
+       "github.com/aws/aws-sdk-go-v2/service/s3/s3manager"
        "github.com/prometheus/client_golang/prometheus"
        "github.com/sirupsen/logrus"
 )
 
 func init() {
-       driver["S3"] = newS3Volume
+       driver["S3"] = news3Volume
 }
 
-func newS3Volume(cluster *arvados.Cluster, volume arvados.Volume, logger logrus.FieldLogger, metrics *volumeMetricsVecs) (Volume, error) {
-       v := &S3Volume{cluster: cluster, volume: volume, logger: logger, metrics: metrics}
-       err := json.Unmarshal(volume.DriverParameters, &v)
+const (
+       s3DefaultReadTimeout        = arvados.Duration(10 * time.Minute)
+       s3DefaultConnectTimeout     = arvados.Duration(time.Minute)
+       maxClockSkew                = 600 * time.Second
+       nearlyRFC1123               = "Mon, 2 Jan 2006 15:04:05 GMT"
+       s3downloaderPartSize        = 5 * 1024 * 1024
+       s3downloaderReadConcurrency = 13
+       s3uploaderPartSize          = 5 * 1024 * 1024
+       s3uploaderWriteConcurrency  = 5
+)
+
+var (
+       errS3TrashDisabled   = fmt.Errorf("trash function is disabled because Collections.BlobTrashLifetime=0 and DriverParameters.UnsafeDelete=false")
+       s3AWSKeepBlockRegexp = regexp.MustCompile(`^[0-9a-f]{32}$`)
+       s3AWSZeroTime        time.Time
+)
+
+// s3Volume implements Volume using an S3 bucket.
+type s3Volume struct {
+       arvados.S3VolumeDriverParameters
+       AuthToken      string    // populated automatically when IAMRole is used
+       AuthExpiration time.Time // populated automatically when IAMRole is used
+
+       cluster    *arvados.Cluster
+       volume     arvados.Volume
+       logger     logrus.FieldLogger
+       metrics    *volumeMetricsVecs
+       bufferPool *bufferPool
+       bucket     *s3Bucket
+       region     string
+       startOnce  sync.Once
+}
+
+// s3bucket wraps s3.bucket and counts I/O and API usage stats. The
+// wrapped bucket can be replaced atomically with SetBucket in order
+// to update credentials.
+type s3Bucket struct {
+       bucket string
+       svc    *s3.Client
+       stats  s3awsbucketStats
+       mu     sync.Mutex
+}
+
+func (v *s3Volume) isKeepBlock(s string) (string, bool) {
+       if v.PrefixLength > 0 && len(s) == v.PrefixLength+33 && s[:v.PrefixLength] == s[v.PrefixLength+1:v.PrefixLength*2+1] {
+               s = s[v.PrefixLength+1:]
+       }
+       return s, s3AWSKeepBlockRegexp.MatchString(s)
+}
+
+// Return the key used for a given loc. If PrefixLength==0 then
+// key("abcdef0123") is "abcdef0123", if PrefixLength==3 then key is
+// "abc/abcdef0123", etc.
+func (v *s3Volume) key(loc string) string {
+       if v.PrefixLength > 0 && v.PrefixLength < len(loc)-1 {
+               return loc[:v.PrefixLength] + "/" + loc
+       } else {
+               return loc
+       }
+}
+
+func news3Volume(params newVolumeParams) (volume, error) {
+       v := &s3Volume{
+               cluster:    params.Cluster,
+               volume:     params.ConfigVolume,
+               metrics:    params.MetricsVecs,
+               bufferPool: params.BufferPool,
+       }
+       err := json.Unmarshal(params.ConfigVolume.DriverParameters, v)
        if err != nil {
                return nil, err
        }
-       return v, v.check()
+       v.logger = params.Logger.WithField("Volume", v.DeviceID())
+       return v, v.check("")
+}
+
+func (v *s3Volume) translateError(err error) error {
+       if _, ok := err.(*aws.RequestCanceledError); ok {
+               return context.Canceled
+       } else if aerr, ok := err.(awserr.Error); ok {
+               if aerr.Code() == "NotFound" {
+                       return os.ErrNotExist
+               } else if aerr.Code() == "NoSuchKey" {
+                       return os.ErrNotExist
+               }
+       }
+       return err
+}
+
+// safeCopy calls CopyObjectRequest, and checks the response to make
+// sure the copy succeeded and updated the timestamp on the
+// destination object
+//
+// (If something goes wrong during the copy, the error will be
+// embedded in the 200 OK response)
+func (v *s3Volume) safeCopy(dst, src string) error {
+       input := &s3.CopyObjectInput{
+               Bucket:      aws.String(v.bucket.bucket),
+               ContentType: aws.String("application/octet-stream"),
+               CopySource:  aws.String(v.bucket.bucket + "/" + src),
+               Key:         aws.String(dst),
+       }
+
+       req := v.bucket.svc.CopyObjectRequest(input)
+       resp, err := req.Send(context.Background())
+
+       err = v.translateError(err)
+       if os.IsNotExist(err) {
+               return err
+       } else if err != nil {
+               return fmt.Errorf("PutCopy(%q ← %q): %s", dst, v.bucket.bucket+"/"+src, err)
+       }
+
+       if resp.CopyObjectResult.LastModified == nil {
+               return fmt.Errorf("PutCopy succeeded but did not return a timestamp: %q: %s", resp.CopyObjectResult.LastModified, err)
+       } else if time.Now().Sub(*resp.CopyObjectResult.LastModified) > maxClockSkew {
+               return fmt.Errorf("PutCopy succeeded but returned an old timestamp: %q: %s", resp.CopyObjectResult.LastModified, resp.CopyObjectResult.LastModified)
+       }
+       return nil
 }
 
-func (v *S3Volume) check() error {
-       if v.Bucket == "" || v.AccessKey == "" || v.SecretKey == "" {
-               return errors.New("DriverParameters: Bucket, AccessKey, and SecretKey must be provided")
+func (v *s3Volume) check(ec2metadataHostname string) error {
+       if v.Bucket == "" {
+               return errors.New("DriverParameters: Bucket must be provided")
        }
        if v.IndexPageSize == 0 {
                v.IndexPageSize = 1000
@@ -55,26 +169,41 @@ func (v *S3Volume) check() error {
                return errors.New("DriverParameters: RaceWindow must not be negative")
        }
 
-       region, ok := aws.Regions[v.Region]
-       if v.Endpoint == "" {
-               if !ok {
-                       return fmt.Errorf("unrecognized region %+q; try specifying endpoint instead", v.Region)
-               }
-       } else if ok {
-               return fmt.Errorf("refusing to use AWS region name %+q with endpoint %+q; "+
-                       "specify empty endpoint or use a different region name", v.Region, v.Endpoint)
-       } else {
-               region = aws.Region{
-                       Name:                 v.Region,
-                       S3Endpoint:           v.Endpoint,
-                       S3LocationConstraint: v.LocationConstraint,
-               }
+       if v.V2Signature {
+               return errors.New("DriverParameters: V2Signature is not supported")
        }
 
-       auth := aws.Auth{
-               AccessKey: v.AccessKey,
-               SecretKey: v.SecretKey,
+       defaultResolver := endpoints.NewDefaultResolver()
+
+       cfg := defaults.Config()
+
+       if v.Endpoint == "" && v.Region == "" {
+               return fmt.Errorf("AWS region or endpoint must be specified")
+       } else if v.Endpoint != "" || ec2metadataHostname != "" {
+               myCustomResolver := func(service, region string) (aws.Endpoint, error) {
+                       if v.Endpoint != "" && service == "s3" {
+                               return aws.Endpoint{
+                                       URL:           v.Endpoint,
+                                       SigningRegion: region,
+                               }, nil
+                       } else if service == "ec2metadata" && ec2metadataHostname != "" {
+                               return aws.Endpoint{
+                                       URL: ec2metadataHostname,
+                               }, nil
+                       } else {
+                               return defaultResolver.ResolveEndpoint(service, region)
+                       }
+               }
+               cfg.EndpointResolver = aws.EndpointResolverFunc(myCustomResolver)
        }
+       if v.Region == "" {
+               // Endpoint is already specified (otherwise we would
+               // have errored out above), but Region is also
+               // required by the aws sdk, in order to determine
+               // SignatureVersions.
+               v.Region = "us-east-1"
+       }
+       cfg.Region = v.Region
 
        // Zero timeouts mean "wait forever", which is a bad
        // default. Default to long timeouts instead.
@@ -85,351 +214,447 @@ func (v *S3Volume) check() error {
                v.ReadTimeout = s3DefaultReadTimeout
        }
 
-       client := s3.New(auth, region)
-       if region.EC2Endpoint.Signer == aws.V4Signature {
-               // Currently affects only eu-central-1
-               client.Signature = aws.V4Signature
-       }
-       client.ConnectTimeout = time.Duration(v.ConnectTimeout)
-       client.ReadTimeout = time.Duration(v.ReadTimeout)
-       v.bucket = &s3bucket{
-               Bucket: &s3.Bucket{
-                       S3:   client,
-                       Name: v.Bucket,
-               },
+       creds := aws.NewChainProvider(
+               []aws.CredentialsProvider{
+                       aws.NewStaticCredentialsProvider(v.AccessKeyID, v.SecretAccessKey, v.AuthToken),
+                       ec2rolecreds.New(ec2metadata.New(cfg)),
+               })
+
+       cfg.Credentials = creds
+
+       v.bucket = &s3Bucket{
+               bucket: v.Bucket,
+               svc:    s3.New(cfg),
        }
+
        // Set up prometheus metrics
-       lbls := prometheus.Labels{"device_id": v.GetDeviceID()}
+       lbls := prometheus.Labels{"device_id": v.DeviceID()}
        v.bucket.stats.opsCounters, v.bucket.stats.errCounters, v.bucket.stats.ioBytes = v.metrics.getCounterVecsFor(lbls)
 
        return nil
 }
 
-const (
-       s3DefaultReadTimeout    = arvados.Duration(10 * time.Minute)
-       s3DefaultConnectTimeout = arvados.Duration(time.Minute)
-)
+// DeviceID returns a globally unique ID for the storage bucket.
+func (v *s3Volume) DeviceID() string {
+       return "s3://" + v.Endpoint + "/" + v.Bucket
+}
 
-var (
-       // ErrS3TrashDisabled is returned by Trash if that operation
-       // is impossible with the current config.
-       ErrS3TrashDisabled = fmt.Errorf("trash function is disabled because -trash-lifetime=0 and -s3-unsafe-delete=false")
+// EmptyTrash looks for trashed blocks that exceeded BlobTrashLifetime
+// and deletes them from the volume.
+func (v *s3Volume) EmptyTrash() {
+       var bytesInTrash, blocksInTrash, bytesDeleted, blocksDeleted int64
 
-       s3ACL = s3.Private
+       // Define "ready to delete" as "...when EmptyTrash started".
+       startT := time.Now()
 
-       zeroTime time.Time
-)
+       emptyOneKey := func(trash *s3.Object) {
+               key := strings.TrimPrefix(*trash.Key, "trash/")
+               loc, isblk := v.isKeepBlock(key)
+               if !isblk {
+                       return
+               }
+               atomic.AddInt64(&bytesInTrash, *trash.Size)
+               atomic.AddInt64(&blocksInTrash, 1)
 
-const (
-       maxClockSkew  = 600 * time.Second
-       nearlyRFC1123 = "Mon, 2 Jan 2006 15:04:05 GMT"
-)
+               trashT := *trash.LastModified
+               recent, err := v.head("recent/" + key)
+               if err != nil && os.IsNotExist(v.translateError(err)) {
+                       v.logger.Warnf("EmptyTrash: found trash marker %q but no %q (%s); calling Untrash", *trash.Key, "recent/"+key, err)
+                       err = v.BlockUntrash(loc)
+                       if err != nil {
+                               v.logger.WithError(err).Errorf("EmptyTrash: Untrash(%q) failed", loc)
+                       }
+                       return
+               } else if err != nil {
+                       v.logger.WithError(err).Warnf("EmptyTrash: HEAD %q failed", "recent/"+key)
+                       return
+               }
+               if trashT.Sub(*recent.LastModified) < v.cluster.Collections.BlobSigningTTL.Duration() {
+                       if age := startT.Sub(*recent.LastModified); age >= v.cluster.Collections.BlobSigningTTL.Duration()-time.Duration(v.RaceWindow) {
+                               // recent/key is too old to protect
+                               // loc from being Trashed again during
+                               // the raceWindow that starts if we
+                               // delete trash/X now.
+                               //
+                               // Note this means (TrashSweepInterval
+                               // < BlobSigningTTL - raceWindow) is
+                               // necessary to avoid starvation.
+                               v.logger.Infof("EmptyTrash: detected old race for %q, calling fixRace + Touch", loc)
+                               v.fixRace(key)
+                               v.BlockTouch(loc)
+                               return
+                       }
+                       _, err := v.head(key)
+                       if os.IsNotExist(err) {
+                               v.logger.Infof("EmptyTrash: detected recent race for %q, calling fixRace", loc)
+                               v.fixRace(key)
+                               return
+                       } else if err != nil {
+                               v.logger.WithError(err).Warnf("EmptyTrash: HEAD %q failed", loc)
+                               return
+                       }
+               }
+               if startT.Sub(trashT) < v.cluster.Collections.BlobTrashLifetime.Duration() {
+                       return
+               }
+               err = v.bucket.Del(*trash.Key)
+               if err != nil {
+                       v.logger.WithError(err).Errorf("EmptyTrash: error deleting %q", *trash.Key)
+                       return
+               }
+               atomic.AddInt64(&bytesDeleted, *trash.Size)
+               atomic.AddInt64(&blocksDeleted, 1)
 
-func s3regions() (okList []string) {
-       for r := range aws.Regions {
-               okList = append(okList, r)
+               _, err = v.head(*trash.Key)
+               if err == nil {
+                       v.logger.Warnf("EmptyTrash: HEAD %q succeeded immediately after deleting %q", loc, loc)
+                       return
+               }
+               if !os.IsNotExist(v.translateError(err)) {
+                       v.logger.WithError(err).Warnf("EmptyTrash: HEAD %q failed", key)
+                       return
+               }
+               err = v.bucket.Del("recent/" + key)
+               if err != nil {
+                       v.logger.WithError(err).Warnf("EmptyTrash: error deleting %q", "recent/"+key)
+               }
        }
-       return
-}
 
-// S3Volume implements Volume using an S3 bucket.
-type S3Volume struct {
-       AccessKey          string
-       SecretKey          string
-       Endpoint           string
-       Region             string
-       Bucket             string
-       LocationConstraint bool
-       IndexPageSize      int
-       ConnectTimeout     arvados.Duration
-       ReadTimeout        arvados.Duration
-       RaceWindow         arvados.Duration
-       UnsafeDelete       bool
-
-       cluster   *arvados.Cluster
-       volume    arvados.Volume
-       logger    logrus.FieldLogger
-       metrics   *volumeMetricsVecs
-       bucket    *s3bucket
-       startOnce sync.Once
-}
-
-// GetDeviceID returns a globally unique ID for the storage bucket.
-func (v *S3Volume) GetDeviceID() string {
-       return "s3://" + v.Endpoint + "/" + v.Bucket
-}
-
-func (v *S3Volume) getReaderWithContext(ctx context.Context, loc string) (rdr io.ReadCloser, err error) {
-       ready := make(chan bool)
-       go func() {
-               rdr, err = v.getReader(loc)
-               close(ready)
-       }()
-       select {
-       case <-ready:
-               return
-       case <-ctx.Done():
-               v.logger.Debugf("s3: abandoning getReader(): %s", ctx.Err())
+       var wg sync.WaitGroup
+       todo := make(chan *s3.Object, v.cluster.Collections.BlobDeleteConcurrency)
+       for i := 0; i < v.cluster.Collections.BlobDeleteConcurrency; i++ {
+               wg.Add(1)
                go func() {
-                       <-ready
-                       if err == nil {
-                               rdr.Close()
+                       defer wg.Done()
+                       for key := range todo {
+                               emptyOneKey(key)
                        }
                }()
-               return nil, ctx.Err()
        }
+
+       trashL := s3awsLister{
+               Logger:   v.logger,
+               Bucket:   v.bucket,
+               Prefix:   "trash/",
+               PageSize: v.IndexPageSize,
+               Stats:    &v.bucket.stats,
+       }
+       for trash := trashL.First(); trash != nil; trash = trashL.Next() {
+               todo <- trash
+       }
+       close(todo)
+       wg.Wait()
+
+       if err := trashL.Error(); err != nil {
+               v.logger.WithError(err).Error("EmptyTrash: lister failed")
+       }
+       v.logger.Infof("EmptyTrash: stats for %v: Deleted %v bytes in %v blocks. Remaining in trash: %v bytes in %v blocks.", v.DeviceID(), bytesDeleted, blocksDeleted, bytesInTrash-bytesDeleted, blocksInTrash-blocksDeleted)
 }
 
-// getReader wraps (Bucket)GetReader.
-//
-// In situations where (Bucket)GetReader would fail because the block
-// disappeared in a Trash race, getReader calls fixRace to recover the
-// data, and tries again.
-func (v *S3Volume) getReader(loc string) (rdr io.ReadCloser, err error) {
-       rdr, err = v.bucket.GetReader(loc)
-       err = v.translateError(err)
-       if err == nil || !os.IsNotExist(err) {
-               return
+// fixRace(X) is called when "recent/X" exists but "X" doesn't
+// exist. If the timestamps on "recent/X" and "trash/X" indicate there
+// was a race between Put and Trash, fixRace recovers from the race by
+// Untrashing the block.
+func (v *s3Volume) fixRace(key string) bool {
+       trash, err := v.head("trash/" + key)
+       if err != nil {
+               if !os.IsNotExist(v.translateError(err)) {
+                       v.logger.WithError(err).Errorf("fixRace: HEAD %q failed", "trash/"+key)
+               }
+               return false
        }
 
-       _, err = v.bucket.Head("recent/"+loc, nil)
-       err = v.translateError(err)
+       recent, err := v.head("recent/" + key)
        if err != nil {
-               // If we can't read recent/X, there's no point in
-               // trying fixRace. Give up.
-               return
+               v.logger.WithError(err).Errorf("fixRace: HEAD %q failed", "recent/"+key)
+               return false
        }
-       if !v.fixRace(loc) {
-               err = os.ErrNotExist
-               return
+
+       recentTime := *recent.LastModified
+       trashTime := *trash.LastModified
+       ageWhenTrashed := trashTime.Sub(recentTime)
+       if ageWhenTrashed >= v.cluster.Collections.BlobSigningTTL.Duration() {
+               // No evidence of a race: block hasn't been written
+               // since it became eligible for Trash. No fix needed.
+               return false
        }
 
-       rdr, err = v.bucket.GetReader(loc)
+       v.logger.Infof("fixRace: %q: trashed at %s but touched at %s (age when trashed = %s < %s)", key, trashTime, recentTime, ageWhenTrashed, v.cluster.Collections.BlobSigningTTL)
+       v.logger.Infof("fixRace: copying %q to %q to recover from race between Put/Touch and Trash", "recent/"+key, key)
+       err = v.safeCopy(key, "trash/"+key)
        if err != nil {
-               log.Printf("warning: reading %s after successful fixRace: %s", loc, err)
-               err = v.translateError(err)
+               v.logger.WithError(err).Error("fixRace: copy failed")
+               return false
        }
+       return true
+}
+
+func (v *s3Volume) head(key string) (result *s3.HeadObjectOutput, err error) {
+       input := &s3.HeadObjectInput{
+               Bucket: aws.String(v.bucket.bucket),
+               Key:    aws.String(key),
+       }
+
+       req := v.bucket.svc.HeadObjectRequest(input)
+       res, err := req.Send(context.TODO())
+
+       v.bucket.stats.TickOps("head")
+       v.bucket.stats.Tick(&v.bucket.stats.Ops, &v.bucket.stats.HeadOps)
+       v.bucket.stats.TickErr(err)
+
+       if err != nil {
+               return nil, v.translateError(err)
+       }
+       result = res.HeadObjectOutput
        return
 }
 
-// Get a block: copy the block data into buf, and return the number of
-// bytes copied.
-func (v *S3Volume) Get(ctx context.Context, loc string, buf []byte) (int, error) {
-       rdr, err := v.getReaderWithContext(ctx, loc)
+// BlockRead reads a Keep block that has been stored as a block blob
+// in the S3 bucket.
+func (v *s3Volume) BlockRead(ctx context.Context, hash string, writeTo io.Writer) (int, error) {
+       key := v.key(hash)
+       buf, err := v.bufferPool.GetContext(ctx)
        if err != nil {
                return 0, err
        }
+       defer v.bufferPool.Put(buf)
 
-       var n int
-       ready := make(chan bool)
-       go func() {
-               defer close(ready)
+       streamer := newStreamWriterAt(writeTo, 65536, buf)
+       defer streamer.Close()
+       err = v.readWorker(ctx, key, streamer)
+       if err != nil {
+               err = v.translateError(err)
+               if !os.IsNotExist(err) {
+                       return 0, err
+               }
+               if streamer.WroteAt() > 0 {
+                       return 0, errors.New("bug? readWorker returned ErrNotExist after writing to streamer")
+               }
 
-               defer rdr.Close()
-               n, err = io.ReadFull(rdr, buf)
+               _, err = v.head("recent/" + key)
+               err = v.translateError(err)
+               if err != nil {
+                       // If we can't read recent/X, there's no point in
+                       // trying fixRace. Give up.
+                       return 0, err
+               }
+               if !v.fixRace(key) {
+                       err = os.ErrNotExist
+                       return 0, err
+               }
 
-               switch err {
-               case nil, io.EOF, io.ErrUnexpectedEOF:
-                       err = nil
-               default:
+               err = v.readWorker(ctx, key, streamer)
+               if err != nil {
+                       v.logger.Warnf("reading %s after successful fixRace: %s", hash, err)
                        err = v.translateError(err)
+                       return 0, err
                }
-       }()
-       select {
-       case <-ctx.Done():
-               v.logger.Debugf("s3: interrupting ReadFull() with Close() because %s", ctx.Err())
-               rdr.Close()
-               // Must wait for ReadFull to return, to ensure it
-               // doesn't write to buf after we return.
-               v.logger.Debug("s3: waiting for ReadFull() to fail")
-               <-ready
-               return 0, ctx.Err()
-       case <-ready:
-               return n, err
-       }
-}
-
-// Compare the given data with the stored data.
-func (v *S3Volume) Compare(ctx context.Context, loc string, expect []byte) error {
-       errChan := make(chan error, 1)
-       go func() {
-               _, err := v.bucket.Head("recent/"+loc, nil)
-               errChan <- err
-       }()
-       var err error
-       select {
-       case <-ctx.Done():
-               return ctx.Err()
-       case err = <-errChan:
        }
+       err = streamer.Close()
        if err != nil {
-               // Checking for "loc" itself here would interfere with
-               // future GET requests.
-               //
-               // On AWS, if X doesn't exist, a HEAD or GET request
-               // for X causes X's non-existence to be cached. Thus,
-               // if we test for X, then create X and return a
-               // signature to our client, the client might still get
-               // 404 from all keepstores when trying to read it.
-               //
-               // To avoid this, we avoid doing HEAD X or GET X until
-               // we know X has been written.
-               //
-               // Note that X might exist even though recent/X
-               // doesn't: for example, the response to HEAD recent/X
-               // might itself come from a stale cache. In such
-               // cases, we will return a false negative and
-               // PutHandler might needlessly create another replica
-               // on a different volume. That's not ideal, but it's
-               // better than passing the eventually-consistent
-               // problem on to our clients.
-               return v.translateError(err)
-       }
-       rdr, err := v.getReaderWithContext(ctx, loc)
-       if err != nil {
-               return err
-       }
-       defer rdr.Close()
-       return v.translateError(compareReaderWithBuf(ctx, rdr, expect, loc[:32]))
+               return 0, v.translateError(err)
+       }
+       return streamer.Wrote(), nil
+}
+
+func (v *s3Volume) readWorker(ctx context.Context, key string, dst io.WriterAt) error {
+       downloader := s3manager.NewDownloaderWithClient(v.bucket.svc, func(u *s3manager.Downloader) {
+               u.PartSize = s3downloaderPartSize
+               u.Concurrency = s3downloaderReadConcurrency
+       })
+       count, err := downloader.DownloadWithContext(ctx, dst, &s3.GetObjectInput{
+               Bucket: aws.String(v.bucket.bucket),
+               Key:    aws.String(key),
+       })
+       v.bucket.stats.TickOps("get")
+       v.bucket.stats.Tick(&v.bucket.stats.Ops, &v.bucket.stats.GetOps)
+       v.bucket.stats.TickErr(err)
+       v.bucket.stats.TickInBytes(uint64(count))
+       return v.translateError(err)
 }
 
-// Put writes a block.
-func (v *S3Volume) Put(ctx context.Context, loc string, block []byte) error {
-       if v.volume.ReadOnly {
-               return MethodDisabledError
+func (v *s3Volume) writeObject(ctx context.Context, key string, r io.Reader) error {
+       if r == nil {
+               // r == nil leads to a memory violation in func readFillBuf in
+               // aws-sdk-go-v2@v0.23.0/service/s3/s3manager/upload.go
+               r = bytes.NewReader(nil)
+       }
+
+       uploadInput := s3manager.UploadInput{
+               Bucket: aws.String(v.bucket.bucket),
+               Key:    aws.String(key),
+               Body:   r,
        }
-       var opts s3.Options
-       size := len(block)
-       if size > 0 {
+
+       if loc, ok := v.isKeepBlock(key); ok {
+               var contentMD5 string
                md5, err := hex.DecodeString(loc)
                if err != nil {
-                       return err
-               }
-               opts.ContentMD5 = base64.StdEncoding.EncodeToString(md5)
-               // In AWS regions that use V4 signatures, we need to
-               // provide ContentSHA256 up front. Otherwise, the S3
-               // library reads the request body (from our buffer)
-               // into another new buffer in order to compute the
-               // SHA256 before sending the request -- which would
-               // mean consuming 128 MiB of memory for the duration
-               // of a 64 MiB write.
-               opts.ContentSHA256 = fmt.Sprintf("%x", sha256.Sum256(block))
-       }
-
-       // Send the block data through a pipe, so that (if we need to)
-       // we can close the pipe early and abandon our PutReader()
-       // goroutine, without worrying about PutReader() accessing our
-       // block buffer after we release it.
-       bufr, bufw := io.Pipe()
-       go func() {
-               io.Copy(bufw, bytes.NewReader(block))
-               bufw.Close()
-       }()
-
-       var err error
-       ready := make(chan bool)
-       go func() {
-               defer func() {
-                       if ctx.Err() != nil {
-                               v.logger.Debugf("%s: abandoned PutReader goroutine finished with err: %s", v, err)
-                       }
-               }()
-               defer close(ready)
-               err = v.bucket.PutReader(loc, bufr, int64(size), "application/octet-stream", s3ACL, opts)
-               if err != nil {
-                       return
+                       return v.translateError(err)
                }
-               err = v.bucket.PutReader("recent/"+loc, nil, 0, "application/octet-stream", s3ACL, s3.Options{})
-       }()
-       select {
-       case <-ctx.Done():
-               v.logger.Debugf("%s: taking PutReader's input away: %s", v, ctx.Err())
-               // Our pipe might be stuck in Write(), waiting for
-               // PutReader() to read. If so, un-stick it. This means
-               // PutReader will get corrupt data, but that's OK: the
-               // size and MD5 won't match, so the write will fail.
-               go io.Copy(ioutil.Discard, bufr)
-               // CloseWithError() will return once pending I/O is done.
-               bufw.CloseWithError(ctx.Err())
-               v.logger.Debugf("%s: abandoning PutReader goroutine", v)
-               return ctx.Err()
-       case <-ready:
-               // Unblock pipe in case PutReader did not consume it.
-               io.Copy(ioutil.Discard, bufr)
-               return v.translateError(err)
-       }
-}
-
-// Touch sets the timestamp for the given locator to the current time.
-func (v *S3Volume) Touch(loc string) error {
-       if v.volume.ReadOnly {
-               return MethodDisabledError
-       }
-       _, err := v.bucket.Head(loc, nil)
-       err = v.translateError(err)
-       if os.IsNotExist(err) && v.fixRace(loc) {
-               // The data object got trashed in a race, but fixRace
-               // rescued it.
-       } else if err != nil {
-               return err
-       }
-       err = v.bucket.PutReader("recent/"+loc, nil, 0, "application/octet-stream", s3ACL, s3.Options{})
+               contentMD5 = base64.StdEncoding.EncodeToString(md5)
+               uploadInput.ContentMD5 = &contentMD5
+       }
+
+       // Experimentation indicated that using concurrency 5 yields the best
+       // throughput, better than higher concurrency (10 or 13) by ~5%.
+       // Defining u.BufferProvider = s3manager.NewBufferedReadSeekerWriteToPool(64 * 1024 * 1024)
+       // is detrimental to throughput (minus ~15%).
+       uploader := s3manager.NewUploaderWithClient(v.bucket.svc, func(u *s3manager.Uploader) {
+               u.PartSize = s3uploaderPartSize
+               u.Concurrency = s3uploaderWriteConcurrency
+       })
+
+       // Unlike the goamz S3 driver, we don't need to precompute ContentSHA256:
+       // the aws-sdk-go v2 SDK uses a ReadSeeker to avoid having to copy the
+       // block, so there is no extra memory use to be concerned about. See
+       // makeSha256Reader in aws/signer/v4/v4.go. In fact, we explicitly disable
+       // calculating the Sha-256 because we don't need it; we already use md5sum
+       // hashes that match the name of the block.
+       _, err := uploader.UploadWithContext(ctx, &uploadInput, s3manager.WithUploaderRequestOptions(func(r *aws.Request) {
+               r.HTTPRequest.Header.Set("X-Amz-Content-Sha256", "UNSIGNED-PAYLOAD")
+       }))
+
+       v.bucket.stats.TickOps("put")
+       v.bucket.stats.Tick(&v.bucket.stats.Ops, &v.bucket.stats.PutOps)
+       v.bucket.stats.TickErr(err)
+
        return v.translateError(err)
 }
 
-// Mtime returns the stored timestamp for the given locator.
-func (v *S3Volume) Mtime(loc string) (time.Time, error) {
-       _, err := v.bucket.Head(loc, nil)
+// Put writes a block.
+func (v *s3Volume) BlockWrite(ctx context.Context, hash string, data []byte) error {
+       // Do not use putWithPipe here; we want to pass an io.ReadSeeker to the S3
+       // sdk to avoid memory allocation there. See #17339 for more information.
+       rdr := bytes.NewReader(data)
+       r := newCountingReaderAtSeeker(rdr, v.bucket.stats.TickOutBytes)
+       key := v.key(hash)
+       err := v.writeObject(ctx, key, r)
        if err != nil {
-               return zeroTime, v.translateError(err)
+               return err
        }
-       resp, err := v.bucket.Head("recent/"+loc, nil)
-       err = v.translateError(err)
-       if os.IsNotExist(err) {
-               // The data object X exists, but recent/X is missing.
-               err = v.bucket.PutReader("recent/"+loc, nil, 0, "application/octet-stream", s3ACL, s3.Options{})
-               if err != nil {
-                       log.Printf("error: creating %q: %s", "recent/"+loc, err)
-                       return zeroTime, v.translateError(err)
+       return v.writeObject(ctx, "recent/"+key, nil)
+}
+
+type s3awsLister struct {
+       Logger            logrus.FieldLogger
+       Bucket            *s3Bucket
+       Prefix            string
+       PageSize          int
+       Stats             *s3awsbucketStats
+       ContinuationToken string
+       buf               []s3.Object
+       err               error
+}
+
+// First fetches the first page and returns the first item. It returns
+// nil if the response is the empty set or an error occurs.
+func (lister *s3awsLister) First() *s3.Object {
+       lister.getPage()
+       return lister.pop()
+}
+
+// Next returns the next item, fetching the next page if necessary. It
+// returns nil if the last available item has already been fetched, or
+// an error occurs.
+func (lister *s3awsLister) Next() *s3.Object {
+       if len(lister.buf) == 0 && lister.ContinuationToken != "" {
+               lister.getPage()
+       }
+       return lister.pop()
+}
+
+// Return the most recent error encountered by First or Next.
+func (lister *s3awsLister) Error() error {
+       return lister.err
+}
+
+func (lister *s3awsLister) getPage() {
+       lister.Stats.TickOps("list")
+       lister.Stats.Tick(&lister.Stats.Ops, &lister.Stats.ListOps)
+
+       var input *s3.ListObjectsV2Input
+       if lister.ContinuationToken == "" {
+               input = &s3.ListObjectsV2Input{
+                       Bucket:  aws.String(lister.Bucket.bucket),
+                       MaxKeys: aws.Int64(int64(lister.PageSize)),
+                       Prefix:  aws.String(lister.Prefix),
                }
-               log.Printf("info: created %q to migrate existing block to new storage scheme", "recent/"+loc)
-               resp, err = v.bucket.Head("recent/"+loc, nil)
-               if err != nil {
-                       log.Printf("error: created %q but HEAD failed: %s", "recent/"+loc, err)
-                       return zeroTime, v.translateError(err)
+       } else {
+               input = &s3.ListObjectsV2Input{
+                       Bucket:            aws.String(lister.Bucket.bucket),
+                       MaxKeys:           aws.Int64(int64(lister.PageSize)),
+                       Prefix:            aws.String(lister.Prefix),
+                       ContinuationToken: &lister.ContinuationToken,
                }
-       } else if err != nil {
-               // HEAD recent/X failed for some other reason.
-               return zeroTime, err
        }
-       return v.lastModified(resp)
+
+       req := lister.Bucket.svc.ListObjectsV2Request(input)
+       resp, err := req.Send(context.Background())
+       if err != nil {
+               if aerr, ok := err.(awserr.Error); ok {
+                       lister.err = aerr
+               } else {
+                       lister.err = err
+               }
+               return
+       }
+
+       if *resp.IsTruncated {
+               lister.ContinuationToken = *resp.NextContinuationToken
+       } else {
+               lister.ContinuationToken = ""
+       }
+       lister.buf = make([]s3.Object, 0, len(resp.Contents))
+       for _, key := range resp.Contents {
+               if !strings.HasPrefix(*key.Key, lister.Prefix) {
+                       lister.Logger.Warnf("s3awsLister: S3 Bucket.List(prefix=%q) returned key %q", lister.Prefix, *key.Key)
+                       continue
+               }
+               lister.buf = append(lister.buf, key)
+       }
 }
 
-// IndexTo writes a complete list of locators with the given prefix
+func (lister *s3awsLister) pop() (k *s3.Object) {
+       if len(lister.buf) > 0 {
+               k = &lister.buf[0]
+               lister.buf = lister.buf[1:]
+       }
+       return
+}
+
+// Index writes a complete list of locators with the given prefix
 // for which Get() can retrieve data.
-func (v *S3Volume) IndexTo(prefix string, writer io.Writer) error {
+func (v *s3Volume) Index(ctx context.Context, prefix string, writer io.Writer) error {
+       prefix = v.key(prefix)
        // Use a merge sort to find matching sets of X and recent/X.
-       dataL := s3Lister{
-               Bucket:   v.bucket.Bucket,
+       dataL := s3awsLister{
+               Logger:   v.logger,
+               Bucket:   v.bucket,
                Prefix:   prefix,
                PageSize: v.IndexPageSize,
                Stats:    &v.bucket.stats,
        }
-       recentL := s3Lister{
-               Bucket:   v.bucket.Bucket,
+       recentL := s3awsLister{
+               Logger:   v.logger,
+               Bucket:   v.bucket,
                Prefix:   "recent/" + prefix,
                PageSize: v.IndexPageSize,
                Stats:    &v.bucket.stats,
        }
        for data, recent := dataL.First(), recentL.First(); data != nil && dataL.Error() == nil; data = dataL.Next() {
-               if data.Key >= "g" {
+               if ctx.Err() != nil {
+                       return ctx.Err()
+               }
+               if *data.Key >= "g" {
                        // Conveniently, "recent/*" and "trash/*" are
                        // lexically greater than all hex-encoded data
                        // hashes, so stopping here avoids iterating
                        // over all of them needlessly with dataL.
                        break
                }
-               if !v.isKeepBlock(data.Key) {
+               loc, isblk := v.isKeepBlock(*data.Key)
+               if !isblk {
                        continue
                }
 
@@ -441,7 +666,7 @@ func (v *S3Volume) IndexTo(prefix string, writer io.Writer) error {
 
                // Advance to the corresponding recent/X marker, if any
                for recent != nil && recentL.Error() == nil {
-                       if cmp := strings.Compare(recent.Key[7:], data.Key); cmp < 0 {
+                       if cmp := strings.Compare((*recent.Key)[7:], *data.Key); cmp < 0 {
                                recent = recentL.Next()
                                continue
                        } else if cmp == 0 {
@@ -458,46 +683,67 @@ func (v *S3Volume) IndexTo(prefix string, writer io.Writer) error {
                if err := recentL.Error(); err != nil {
                        return err
                }
-               t, err := time.Parse(time.RFC3339, stamp.LastModified)
-               if err != nil {
-                       return err
-               }
-               fmt.Fprintf(writer, "%s+%d %d\n", data.Key, data.Size, t.UnixNano())
+               // We truncate sub-second precision here. Otherwise
+               // timestamps will never match the RFC1123-formatted
+               // Last-Modified values parsed by Mtime().
+               fmt.Fprintf(writer, "%s+%d %d\n", loc, *data.Size, stamp.LastModified.Unix()*1000000000)
        }
        return dataL.Error()
 }
 
-// Trash a Keep block.
-func (v *S3Volume) Trash(loc string) error {
-       if v.volume.ReadOnly {
-               return MethodDisabledError
-       }
-       if t, err := v.Mtime(loc); err != nil {
-               return err
-       } else if time.Since(t) < v.cluster.Collections.BlobSigningTTL.Duration() {
-               return nil
+// Mtime returns the stored timestamp for the given locator.
+func (v *s3Volume) Mtime(loc string) (time.Time, error) {
+       key := v.key(loc)
+       _, err := v.head(key)
+       if err != nil {
+               return s3AWSZeroTime, v.translateError(err)
        }
-       if v.cluster.Collections.BlobTrashLifetime == 0 {
-               if !v.UnsafeDelete {
-                       return ErrS3TrashDisabled
+       resp, err := v.head("recent/" + key)
+       err = v.translateError(err)
+       if os.IsNotExist(err) {
+               // The data object X exists, but recent/X is missing.
+               err = v.writeObject(context.Background(), "recent/"+key, nil)
+               if err != nil {
+                       v.logger.WithError(err).Errorf("error creating %q", "recent/"+key)
+                       return s3AWSZeroTime, v.translateError(err)
                }
-               return v.translateError(v.bucket.Del(loc))
-       }
-       err := v.checkRaceWindow(loc)
-       if err != nil {
-               return err
+               v.logger.Infof("Mtime: created %q to migrate existing block to new storage scheme", "recent/"+key)
+               resp, err = v.head("recent/" + key)
+               if err != nil {
+                       v.logger.WithError(err).Errorf("HEAD failed after creating %q", "recent/"+key)
+                       return s3AWSZeroTime, v.translateError(err)
+               }
+       } else if err != nil {
+               // HEAD recent/X failed for some other reason.
+               return s3AWSZeroTime, err
        }
-       err = v.safeCopy("trash/"+loc, loc)
-       if err != nil {
+       return *resp.LastModified, err
+}
+
+// InternalStats returns bucket I/O and API call counters.
+func (v *s3Volume) InternalStats() interface{} {
+       return &v.bucket.stats
+}
+
+// BlockTouch sets the timestamp for the given locator to the current time.
+func (v *s3Volume) BlockTouch(hash string) error {
+       key := v.key(hash)
+       _, err := v.head(key)
+       err = v.translateError(err)
+       if os.IsNotExist(err) && v.fixRace(key) {
+               // The data object got trashed in a race, but fixRace
+               // rescued it.
+       } else if err != nil {
                return err
        }
-       return v.translateError(v.bucket.Del(loc))
+       err = v.writeObject(context.Background(), "recent/"+key, nil)
+       return v.translateError(err)
 }
 
-// checkRaceWindow returns a non-nil error if trash/loc is, or might
-// be, in the race window (i.e., it's not safe to trash loc).
-func (v *S3Volume) checkRaceWindow(loc string) error {
-       resp, err := v.bucket.Head("trash/"+loc, nil)
+// checkRaceWindow returns a non-nil error if trash/key is, or might
+// be, in the race window (i.e., it's not safe to trash key).
+func (v *s3Volume) checkRaceWindow(key string) error {
+       resp, err := v.head("trash/" + key)
        err = v.translateError(err)
        if os.IsNotExist(err) {
                // OK, trash/X doesn't exist so we're not in the race
@@ -508,396 +754,70 @@ func (v *S3Volume) checkRaceWindow(loc string) error {
                // we're in the race window
                return err
        }
-       t, err := v.lastModified(resp)
-       if err != nil {
-               // Can't parse timestamp
-               return err
-       }
+       t := resp.LastModified
        safeWindow := t.Add(v.cluster.Collections.BlobTrashLifetime.Duration()).Sub(time.Now().Add(time.Duration(v.RaceWindow)))
        if safeWindow <= 0 {
                // We can't count on "touch trash/X" to prolong
                // trash/X's lifetime. The new timestamp might not
                // become visible until now+raceWindow, and EmptyTrash
                // is allowed to delete trash/X before then.
-               return fmt.Errorf("same block is already in trash, and safe window ended %s ago", -safeWindow)
+               return fmt.Errorf("%s: same block is already in trash, and safe window ended %s ago", key, -safeWindow)
        }
        // trash/X exists, but it won't be eligible for deletion until
        // after now+raceWindow, so it's safe to overwrite it.
        return nil
 }
 
-// safeCopy calls PutCopy, and checks the response to make sure the
-// copy succeeded and updated the timestamp on the destination object
-// (PutCopy returns 200 OK if the request was received, even if the
-// copy failed).
-func (v *S3Volume) safeCopy(dst, src string) error {
-       resp, err := v.bucket.PutCopy(dst, s3ACL, s3.CopyOptions{
-               ContentType:       "application/octet-stream",
-               MetadataDirective: "REPLACE",
-       }, v.bucket.Name+"/"+src)
-       err = v.translateError(err)
-       if os.IsNotExist(err) {
-               return err
-       } else if err != nil {
-               return fmt.Errorf("PutCopy(%q ← %q): %s", dst, v.bucket.Name+"/"+src, err)
-       }
-       if t, err := time.Parse(time.RFC3339Nano, resp.LastModified); err != nil {
-               return fmt.Errorf("PutCopy succeeded but did not return a timestamp: %q: %s", resp.LastModified, err)
-       } else if time.Now().Sub(t) > maxClockSkew {
-               return fmt.Errorf("PutCopy succeeded but returned an old timestamp: %q: %s", resp.LastModified, t)
+func (b *s3Bucket) Del(path string) error {
+       input := &s3.DeleteObjectInput{
+               Bucket: aws.String(b.bucket),
+               Key:    aws.String(path),
        }
-       return nil
-}
-
-// Get the LastModified header from resp, and parse it as RFC1123 or
-// -- if it isn't valid RFC1123 -- as Amazon's variant of RFC1123.
-func (v *S3Volume) lastModified(resp *http.Response) (t time.Time, err error) {
-       s := resp.Header.Get("Last-Modified")
-       t, err = time.Parse(time.RFC1123, s)
-       if err != nil && s != "" {
-               // AWS example is "Sun, 1 Jan 2006 12:00:00 GMT",
-               // which isn't quite "Sun, 01 Jan 2006 12:00:00 GMT"
-               // as required by HTTP spec. If it's not a valid HTTP
-               // header value, it's probably AWS (or s3test) giving
-               // us a nearly-RFC1123 timestamp.
-               t, err = time.Parse(nearlyRFC1123, s)
-       }
-       return
+       req := b.svc.DeleteObjectRequest(input)
+       _, err := req.Send(context.Background())
+       b.stats.TickOps("delete")
+       b.stats.Tick(&b.stats.Ops, &b.stats.DelOps)
+       b.stats.TickErr(err)
+       return err
 }
 
-// Untrash moves block from trash back into store
-func (v *S3Volume) Untrash(loc string) error {
-       err := v.safeCopy(loc, "trash/"+loc)
-       if err != nil {
+// Trash a Keep block.
+func (v *s3Volume) BlockTrash(loc string) error {
+       if t, err := v.Mtime(loc); err != nil {
                return err
+       } else if time.Since(t) < v.cluster.Collections.BlobSigningTTL.Duration() {
+               return nil
        }
-       err = v.bucket.PutReader("recent/"+loc, nil, 0, "application/octet-stream", s3ACL, s3.Options{})
-       return v.translateError(err)
-}
-
-// Status returns a *VolumeStatus representing the current in-use
-// storage capacity and a fake available capacity that doesn't make
-// the volume seem full or nearly-full.
-func (v *S3Volume) Status() *VolumeStatus {
-       return &VolumeStatus{
-               DeviceNum: 1,
-               BytesFree: BlockSize * 1000,
-               BytesUsed: 1,
-       }
-}
-
-// InternalStats returns bucket I/O and API call counters.
-func (v *S3Volume) InternalStats() interface{} {
-       return &v.bucket.stats
-}
-
-// String implements fmt.Stringer.
-func (v *S3Volume) String() string {
-       return fmt.Sprintf("s3-bucket:%+q", v.Bucket)
-}
-
-var s3KeepBlockRegexp = regexp.MustCompile(`^[0-9a-f]{32}$`)
-
-func (v *S3Volume) isKeepBlock(s string) bool {
-       return s3KeepBlockRegexp.MatchString(s)
-}
-
-// fixRace(X) is called when "recent/X" exists but "X" doesn't
-// exist. If the timestamps on "recent/"+loc and "trash/"+loc indicate
-// there was a race between Put and Trash, fixRace recovers from the
-// race by Untrashing the block.
-func (v *S3Volume) fixRace(loc string) bool {
-       trash, err := v.bucket.Head("trash/"+loc, nil)
-       if err != nil {
-               if !os.IsNotExist(v.translateError(err)) {
-                       log.Printf("error: fixRace: HEAD %q: %s", "trash/"+loc, err)
+       key := v.key(loc)
+       if v.cluster.Collections.BlobTrashLifetime == 0 {
+               if !v.UnsafeDelete {
+                       return errS3TrashDisabled
                }
-               return false
+               return v.translateError(v.bucket.Del(key))
        }
-       trashTime, err := v.lastModified(trash)
+       err := v.checkRaceWindow(key)
        if err != nil {
-               log.Printf("error: fixRace: parse %q: %s", trash.Header.Get("Last-Modified"), err)
-               return false
-       }
-
-       recent, err := v.bucket.Head("recent/"+loc, nil)
-       if err != nil {
-               log.Printf("error: fixRace: HEAD %q: %s", "recent/"+loc, err)
-               return false
-       }
-       recentTime, err := v.lastModified(recent)
-       if err != nil {
-               log.Printf("error: fixRace: parse %q: %s", recent.Header.Get("Last-Modified"), err)
-               return false
-       }
-
-       ageWhenTrashed := trashTime.Sub(recentTime)
-       if ageWhenTrashed >= v.cluster.Collections.BlobSigningTTL.Duration() {
-               // No evidence of a race: block hasn't been written
-               // since it became eligible for Trash. No fix needed.
-               return false
+               return err
        }
-
-       log.Printf("notice: fixRace: %q: trashed at %s but touched at %s (age when trashed = %s < %s)", loc, trashTime, recentTime, ageWhenTrashed, v.cluster.Collections.BlobSigningTTL)
-       log.Printf("notice: fixRace: copying %q to %q to recover from race between Put/Touch and Trash", "recent/"+loc, loc)
-       err = v.safeCopy(loc, "trash/"+loc)
+       err = v.safeCopy("trash/"+key, key)
        if err != nil {
-               log.Printf("error: fixRace: %s", err)
-               return false
-       }
-       return true
-}
-
-func (v *S3Volume) translateError(err error) error {
-       switch err := err.(type) {
-       case *s3.Error:
-               if (err.StatusCode == http.StatusNotFound && err.Code == "NoSuchKey") ||
-                       strings.Contains(err.Error(), "Not Found") {
-                       return os.ErrNotExist
-               }
-               // Other 404 errors like NoSuchVersion and
-               // NoSuchBucket are different problems which should
-               // get called out downstream, so we don't convert them
-               // to os.ErrNotExist.
-       }
-       return err
-}
-
-// EmptyTrash looks for trashed blocks that exceeded TrashLifetime
-// and deletes them from the volume.
-func (v *S3Volume) EmptyTrash() {
-       if v.cluster.Collections.BlobDeleteConcurrency < 1 {
-               return
-       }
-
-       var bytesInTrash, blocksInTrash, bytesDeleted, blocksDeleted int64
-
-       // Define "ready to delete" as "...when EmptyTrash started".
-       startT := time.Now()
-
-       emptyOneKey := func(trash *s3.Key) {
-               loc := trash.Key[6:]
-               if !v.isKeepBlock(loc) {
-                       return
-               }
-               atomic.AddInt64(&bytesInTrash, trash.Size)
-               atomic.AddInt64(&blocksInTrash, 1)
-
-               trashT, err := time.Parse(time.RFC3339, trash.LastModified)
-               if err != nil {
-                       log.Printf("warning: %s: EmptyTrash: %q: parse %q: %s", v, trash.Key, trash.LastModified, err)
-                       return
-               }
-               recent, err := v.bucket.Head("recent/"+loc, nil)
-               if err != nil && os.IsNotExist(v.translateError(err)) {
-                       log.Printf("warning: %s: EmptyTrash: found trash marker %q but no %q (%s); calling Untrash", v, trash.Key, "recent/"+loc, err)
-                       err = v.Untrash(loc)
-                       if err != nil {
-                               log.Printf("error: %s: EmptyTrash: Untrash(%q): %s", v, loc, err)
-                       }
-                       return
-               } else if err != nil {
-                       log.Printf("warning: %s: EmptyTrash: HEAD %q: %s", v, "recent/"+loc, err)
-                       return
-               }
-               recentT, err := v.lastModified(recent)
-               if err != nil {
-                       log.Printf("warning: %s: EmptyTrash: %q: parse %q: %s", v, "recent/"+loc, recent.Header.Get("Last-Modified"), err)
-                       return
-               }
-               if trashT.Sub(recentT) < v.cluster.Collections.BlobSigningTTL.Duration() {
-                       if age := startT.Sub(recentT); age >= v.cluster.Collections.BlobSigningTTL.Duration()-time.Duration(v.RaceWindow) {
-                               // recent/loc is too old to protect
-                               // loc from being Trashed again during
-                               // the raceWindow that starts if we
-                               // delete trash/X now.
-                               //
-                               // Note this means (TrashCheckInterval
-                               // < BlobSignatureTTL - raceWindow) is
-                               // necessary to avoid starvation.
-                               log.Printf("notice: %s: EmptyTrash: detected old race for %q, calling fixRace + Touch", v, loc)
-                               v.fixRace(loc)
-                               v.Touch(loc)
-                               return
-                       }
-                       _, err := v.bucket.Head(loc, nil)
-                       if os.IsNotExist(err) {
-                               log.Printf("notice: %s: EmptyTrash: detected recent race for %q, calling fixRace", v, loc)
-                               v.fixRace(loc)
-                               return
-                       } else if err != nil {
-                               log.Printf("warning: %s: EmptyTrash: HEAD %q: %s", v, loc, err)
-                               return
-                       }
-               }
-               if startT.Sub(trashT) < v.cluster.Collections.BlobTrashLifetime.Duration() {
-                       return
-               }
-               err = v.bucket.Del(trash.Key)
-               if err != nil {
-                       log.Printf("warning: %s: EmptyTrash: deleting %q: %s", v, trash.Key, err)
-                       return
-               }
-               atomic.AddInt64(&bytesDeleted, trash.Size)
-               atomic.AddInt64(&blocksDeleted, 1)
-
-               _, err = v.bucket.Head(loc, nil)
-               if err == nil {
-                       log.Printf("warning: %s: EmptyTrash: HEAD %q succeeded immediately after deleting %q", v, loc, loc)
-                       return
-               }
-               if !os.IsNotExist(v.translateError(err)) {
-                       log.Printf("warning: %s: EmptyTrash: HEAD %q: %s", v, loc, err)
-                       return
-               }
-               err = v.bucket.Del("recent/" + loc)
-               if err != nil {
-                       log.Printf("warning: %s: EmptyTrash: deleting %q: %s", v, "recent/"+loc, err)
-               }
-       }
-
-       var wg sync.WaitGroup
-       todo := make(chan *s3.Key, v.cluster.Collections.BlobDeleteConcurrency)
-       for i := 0; i < v.cluster.Collections.BlobDeleteConcurrency; i++ {
-               wg.Add(1)
-               go func() {
-                       defer wg.Done()
-                       for key := range todo {
-                               emptyOneKey(key)
-                       }
-               }()
-       }
-
-       trashL := s3Lister{
-               Bucket:   v.bucket.Bucket,
-               Prefix:   "trash/",
-               PageSize: v.IndexPageSize,
-               Stats:    &v.bucket.stats,
-       }
-       for trash := trashL.First(); trash != nil; trash = trashL.Next() {
-               todo <- trash
-       }
-       close(todo)
-       wg.Wait()
-
-       if err := trashL.Error(); err != nil {
-               log.Printf("error: %s: EmptyTrash: lister: %s", v, err)
-       }
-       log.Printf("EmptyTrash stats for %v: Deleted %v bytes in %v blocks. Remaining in trash: %v bytes in %v blocks.", v.String(), bytesDeleted, blocksDeleted, bytesInTrash-bytesDeleted, blocksInTrash-blocksDeleted)
-}
-
-type s3Lister struct {
-       Bucket     *s3.Bucket
-       Prefix     string
-       PageSize   int
-       Stats      *s3bucketStats
-       nextMarker string
-       buf        []s3.Key
-       err        error
-}
-
-// First fetches the first page and returns the first item. It returns
-// nil if the response is the empty set or an error occurs.
-func (lister *s3Lister) First() *s3.Key {
-       lister.getPage()
-       return lister.pop()
-}
-
-// Next returns the next item, fetching the next page if necessary. It
-// returns nil if the last available item has already been fetched, or
-// an error occurs.
-func (lister *s3Lister) Next() *s3.Key {
-       if len(lister.buf) == 0 && lister.nextMarker != "" {
-               lister.getPage()
+               return err
        }
-       return lister.pop()
-}
-
-// Return the most recent error encountered by First or Next.
-func (lister *s3Lister) Error() error {
-       return lister.err
+       return v.translateError(v.bucket.Del(key))
 }
 
-func (lister *s3Lister) getPage() {
-       lister.Stats.TickOps("list")
-       lister.Stats.Tick(&lister.Stats.Ops, &lister.Stats.ListOps)
-       resp, err := lister.Bucket.List(lister.Prefix, "", lister.nextMarker, lister.PageSize)
-       lister.nextMarker = ""
+// BlockUntrash moves block from trash back into store
+func (v *s3Volume) BlockUntrash(hash string) error {
+       key := v.key(hash)
+       err := v.safeCopy(key, "trash/"+key)
        if err != nil {
-               lister.err = err
-               return
-       }
-       if resp.IsTruncated {
-               lister.nextMarker = resp.NextMarker
-       }
-       lister.buf = make([]s3.Key, 0, len(resp.Contents))
-       for _, key := range resp.Contents {
-               if !strings.HasPrefix(key.Key, lister.Prefix) {
-                       log.Printf("warning: s3Lister: S3 Bucket.List(prefix=%q) returned key %q", lister.Prefix, key.Key)
-                       continue
-               }
-               lister.buf = append(lister.buf, key)
-       }
-}
-
-func (lister *s3Lister) pop() (k *s3.Key) {
-       if len(lister.buf) > 0 {
-               k = &lister.buf[0]
-               lister.buf = lister.buf[1:]
-       }
-       return
-}
-
-// s3bucket wraps s3.bucket and counts I/O and API usage stats.
-type s3bucket struct {
-       *s3.Bucket
-       stats s3bucketStats
-}
-
-func (b *s3bucket) GetReader(path string) (io.ReadCloser, error) {
-       rdr, err := b.Bucket.GetReader(path)
-       b.stats.TickOps("get")
-       b.stats.Tick(&b.stats.Ops, &b.stats.GetOps)
-       b.stats.TickErr(err)
-       return NewCountingReader(rdr, b.stats.TickInBytes), err
-}
-
-func (b *s3bucket) Head(path string, headers map[string][]string) (*http.Response, error) {
-       resp, err := b.Bucket.Head(path, headers)
-       b.stats.TickOps("head")
-       b.stats.Tick(&b.stats.Ops, &b.stats.HeadOps)
-       b.stats.TickErr(err)
-       return resp, err
-}
-
-func (b *s3bucket) PutReader(path string, r io.Reader, length int64, contType string, perm s3.ACL, options s3.Options) error {
-       if length == 0 {
-               // goamz will only send Content-Length: 0 when reader
-               // is nil due to net.http.Request.ContentLength
-               // behavior.  Otherwise, Content-Length header is
-               // omitted which will cause some S3 services
-               // (including AWS and Ceph RadosGW) to fail to create
-               // empty objects.
-               r = nil
-       } else {
-               r = NewCountingReader(r, b.stats.TickOutBytes)
+               return err
        }
-       err := b.Bucket.PutReader(path, r, length, contType, perm, options)
-       b.stats.TickOps("put")
-       b.stats.Tick(&b.stats.Ops, &b.stats.PutOps)
-       b.stats.TickErr(err)
-       return err
-}
-
-func (b *s3bucket) Del(path string) error {
-       err := b.Bucket.Del(path)
-       b.stats.TickOps("delete")
-       b.stats.Tick(&b.stats.Ops, &b.stats.DelOps)
-       b.stats.TickErr(err)
-       return err
+       err = v.writeObject(context.Background(), "recent/"+key, nil)
+       return v.translateError(err)
 }
 
-type s3bucketStats struct {
+type s3awsbucketStats struct {
        statsTicker
        Ops     uint64
        GetOps  uint64
@@ -907,13 +827,18 @@ type s3bucketStats struct {
        ListOps uint64
 }
 
-func (s *s3bucketStats) TickErr(err error) {
+func (s *s3awsbucketStats) TickErr(err error) {
        if err == nil {
                return
        }
        errType := fmt.Sprintf("%T", err)
-       if err, ok := err.(*s3.Error); ok {
-               errType = errType + fmt.Sprintf(" %d %s", err.StatusCode, err.Code)
+       if aerr, ok := err.(awserr.Error); ok {
+               if reqErr, ok := err.(awserr.RequestFailure); ok {
+                       // A service error occurred
+                       errType = errType + fmt.Sprintf(" %d %s", reqErr.StatusCode(), aerr.Code())
+               } else {
+                       errType = errType + fmt.Sprintf(" 000 %s", aerr.Code())
+               }
        }
        s.statsTicker.TickErr(err, errType)
 }