Tema 2 · 1 · Tu primer bucket de S3: subir, listar y compartir datos

Presentación del Tema 2: «Laboratorio almacenamiento de objetos - 1» y «Laboratorio de objetos 1 · paso a paso». Duración: unos 30 minutos. Coste: céntimos (unos 26 MB almacenados un rato).

¿Dudas con un script? Todos los scripts de esta carpeta traen su propia ayuda: ./descargar-datos.sh --ayuda (también vale --help o -h) explica los pasos y las opciones. Este README.md es el paso a paso de la actividad: tenlo a mano y consúltalo antes de preguntar.

Etiquetas de lo que creas. Todo recurso que crees a mano (máquina, volumen, bucket, base de datos, tabla, función...) ponle estas etiquetas, al crearlo (apartado Tags / Etiquetas) o después desde su pestaña de etiquetas: curso = G214, universidad = CUNEF y actividad = 02.01-s3primerbucket. Si algún día hay que borrar recursos a mano, se localizan todos de golpe con aws resourcegroupstaggingapi get-resources --region eu-north-1 --tag-filters Key=actividad,Values=02.01-s3primerbucket. Más detalle (cómo etiquetar con la CLI, cómo buscar y qué hacer en una emergencia): README principal, sección «Etiquetas».

Qué vas a hacer

Crear un bucket de S3 (almacenamiento de objetos) en tu cuenta, subir un conjunto de datos abiertos reales (el padrón municipal del INE, 26 MB) y otros ficheros de tres maneras distintas, comprobar el inventario y compartir un fichero sin abrir el bucket con una URL firmada.

 tu CloudShell ──aws s3 cp──►  s3://g214-<apellido>-objetos/
                                 ├─ dataset.csv                (padrón INE, raíz del bucket)
                                 ├─ galeria/naturaleza/bosque.jpg   (prefijo, no carpeta)
                                 └─ lote/…                      (carpeta entera con --recursive)

Qué se crea en AWS

Un bucket g214-<apellido>-objetos en eu-north-1. Nada más.

Qué contiene esta carpeta

Antes de empezar

• [ ] Cuenta de AWS con sesión iniciada y región eu-north-1 (Estocolmo).
• [ ] Recomendado: AWS CloudShell (icono >_ arriba a la derecha de la consola). Ya trae la CLI de AWS, tus credenciales, curl y Python 3: no hay que ejecutar aws configure ni crear claves de acceso. Comprueba quién eres con aws sts get-caller-identity.
• [ ] Opción local (PC con la CLI instalada): instala AWS CLI v2 y configúrala con un usuario IAM (no con las claves del usuario raíz), como explica el anexo del Tema 0. Los scripts .sh necesitan Git Bash en Windows. Con Git Bash los comandos son idénticos a los de CloudShell; si Git Bash convierte una ruta que empieza por / (por ejemplo, en un --key), ejecuta antes export MSYS_NO_PATHCONV=1.
• [ ] Nombre de bucket: es único en todo el mundo. Usa g214-<apellido>-objetos; si ya existe, añade un sufijo (-2, tus iniciales...). En esta guía se escribe g214-apellido-objetos: cámbialo por el tuyo en todos los comandos.

Cómo llevar los ficheros a CloudShell

1. En tu PC, comprime esta carpeta (02.01-s3primerbucket) en un zip: clic derecho > Comprimir en archivo ZIP (Windows 11), Enviar a > Carpeta comprimida en zip (Windows 10) o Comprimir (Mac).
2. En CloudShell: Actions → Upload file y elige el zip. No lo descomprimas en tu PC.
3. Descomprime y entra en la carpeta:

unzip -o 02.01-s3primerbucket.zip
cd 02.01-s3primerbucket
chmod -R u+rwX . && chmod +x *.sh

Si ya subiste g214-materiales.zip (README principal), no necesitas este zip: entra con cd ~/g214-materiales/tema2/02.01-s3primerbucket y, si algún fichero da Permission denied, ejecuta allí chmod -R u+rwX . && chmod +x *.sh.

Los datos grandes no se suben desde tu PC: se descargan directamente en CloudShell con ./descargar-datos.sh.

Paso a paso

Paso 1 · Comprueba quién eres

aws sts get-caller-identity

Qué verás: tu cuenta y tu usuario (nunca las claves).

Paso 2 · Descarga el padrón del INE

./descargar-datos.sh padron                       # dataset.csv (26 MB, separador ";")

Qué verás: [OK] dataset.csv: 27348525 bytes (27.3 MB). Primeras líneas: y las dos primeras líneas del CSV. El script descarga a un fichero temporal, reintenta si falla y solo lo deja como dataset.csv si es válido (si no, te explica el motivo). Repetirlo no vuelve a descargar un fichero ya válido (--forzar lo obliga). ./descargar-datos.sh estado te dice qué tienes y si es válido.

Paso 3 · Crea el bucket y sube el CSV a la raíz

aws s3 mb s3://g214-apellido-objetos --region eu-north-1
aws s3 cp dataset.csv s3://g214-apellido-objetos/ --content-type text/csv

Qué verás: make_bucket: g214-apellido-objetos y una barra de progreso de la subida. En Windows, aws s3 cp sube los CSV con tipo application/vnd.ms-excel (lo toma del registro del sistema); por eso el comando lleva --content-type text/csv.

Paso 4 · Sube una imagen a un «prefijo»

aws s3 cp bosque.jpg s3://g214-apellido-objetos/galeria/naturaleza/
aws s3 ls s3://g214-apellido-objetos/galeria/

Qué verás: PRE naturaleza/. Las carpetas de S3 no existen: son prefijos dentro de la clave del objeto (galeria/naturaleza/bosque.jpg), por eso no hay que crearlas antes.

Paso 5 · Sube una carpeta entera

aws s3 cp ./carpeta s3://g214-apellido-objetos/lote/ --recursive

Qué verás: cinco líneas upload: carpeta/..., una por fichero, incluida la que está en carpeta/sub/.

Paso 6 · Comprueba el inventario

aws s3 ls s3://g214-apellido-objetos --recursive --summarize --human-readable

Qué verás: el listado termina con Total Objects: 7 y Total Size: 26.1 MiB (el CSV son 27.348.525 bytes, es decir, 26,1 MiB; la imagen y la carpeta suman unos 32 KiB y no cambian el redondeo).

Paso 7 · Comparte el CSV sin abrir el bucket (URL firmada)

aws s3 presign s3://g214-apellido-objetos/dataset.csv --expires-in 600

Qué verás: una URL larga (...amazonaws.com/dataset.csv?X-Amz-Algorithm=...). Ábrela en el navegador (o curl -o prueba.csv "URL", entre comillas): se descarga sin credenciales. Sin firmar, la misma dirección da 403. Caduca a los 600 segundos.

Paso 8 · Lee los datos desde tres clientes

1. Consola web: S3 → tu bucket → el objeto → Open o Download.
2. Visual Studio Code con la extensión de AWS (Anexo Tema 0: Configuración Visual Studio Code).
3. Excel: Datos → Desde texto/CSV, pega la URL firmada y elige delimitador punto y coma y codificación UTF-8 (el INE usa ; y UTF-8).

Paso 9 (opcional) · Lo básico por consola, con ficheros tuyos

Para ver lo mismo desde el navegador: Create bucket (tipo de propósito general, nombre único, deja marcado el bloqueo de acceso público), Upload y arrastra un fichero. Para la CLI: aws s3 cp fichero.txt s3://g214-apellido-objetos/, aws s3 ls, aws s3 cp s3://g214-apellido-objetos/fichero.txt ./, aws s3 rm s3://g214-apellido-objetos/fichero.txt. Guía con capturas: Anexo - Tema 2 - Guías de creación de recursos.docx.

Errores frecuentes

Limpieza

• Si vas a hacer 02.02-s3versionadoysync, no borres todavía el bucket ni el CSV.
• Si no vas a hacerlo: aws s3 rb s3://g214-apellido-objetos --force borra el bucket con su contenido. Comprueba con aws s3 ls | grep g214 (no debe salir ningún bucket tuyo). Si activaste el versionado, usa python3 vaciar-bucket.py (carpeta 02.02).
• Los ficheros descargados de tu CloudShell: ./descargar-datos.sh eliminar (pide confirmación; --si no pregunta).

Cómo sabes que has terminado

• [ ] ls --summarize muestra Total Objects: 7 y Total Size: 26.1 MiB.
• [ ] Has abierto el CSV con la URL firmada sin credenciales, y sabes por qué la dirección sin firmar da 403.
• [ ] Sabes explicar por qué galeria/naturaleza/ no es una carpeta.
• [ ] Has borrado el bucket (o sigues con el 02.02 y lo borrarás al final).

Siguiente: 02.02-s3versionadoysync