我在产品上线前不小心删除了 7 TB 的视频
↓推荐关注↓
今天我们想分享的是一位初级开发者对于自身犯的某个错误的记录。这个帖子在日前在 Hacker News 之所以引起很多人的讨论和共鸣，或许是因为许多经验丰富的工程师都是这么走过来的。
虽然这是一个“新手贴”，但它也是个不错的帖子。犯错不可怕，最重要的是，犯错后能吸取经验教训，让自己会变得更强大。这位开发者把它写下来巩固自己学习过程中的理解，这对任何有类似经验的初级开发人员来说都是有积极意义的。
人人都会犯错，关键是你下一步如何做。以下是帖子内容，我们将其翻译出来，希望能为读者带来参考价值：
前 言
先跟大家打个招呼，我是个刚工作还不到一年的初级开发者，所以很多在各位看来不言而喻的道理我自己还没摸索清楚。本文权当记录成长过程中的点滴，请大家轻拍。
在很多高手们看来，这个故事简直不可理喻……没错，里头有太多坏习惯、太多低级错误，在硅谷巨头看来完全不可想象。但这就是世界各地小型 IT 企业的真实生存状态，而且还在继续困扰着无数像我这样的从业者。
我目前是在意大利一家小开发公司（一共 10 个人）上班，主要是为当地企业开发管理各种网站和工具。另外，我们还跟意大利、英国和南非最大的几家健身企业签订了大额合同。
既然说是最大的健身企业，那他们应该知道自己想要什么喽？错，他们完全不知道……当然，我不打算把锅甩给他们，毕竟这里的甲方和乙方都是一屁股烂账、谁也别说谁。总之，让咱们客观回顾事件原委。
从项目说起
受保密协议所限，这里我没法透露太多。简而言之，我们目前开发的项目需要使用大量视频，这些视频素材托管在 Vimeo 之上。公司当前用的是 VimeoOTT，也就是负责内容交付的前端平台，但上头打算逐步迁移至 Vimeo Enterprise。
VimeoOTT 上需要迁移的视频大概有 500 段，但 Vimeo 并不提供简单易行的迁移方法。去年 10 月左右，我曾经写信给对方的支持团队，询问他们能不能帮助迁移，回复中说他们“会调查一下”。然后就没有然后了。
所以说，我们得重新上传这些视频素材。我提议构建一个自定义 API 脚本，从 OTT 那边下载视频、再把素材上传至 Enterprise（和我们的产品）。但管理层拒绝了这套方案，而是决定花钱请人来手动完成。接下来的一个月中，有人上传了来自 OTT 的 500 段视频外加 400 段新视频，于是我们一下子就用光了 Enterprise 提供的全部 11 TB 存储容量中的 9 TB，好在一切进展顺利（虽然效率不高）。时间很快来到今年 4 月。
出问题了
突然之间，Vimeo 那边似乎开了窍，想起我们之前提出的申请。于是在并未告知我司的情况下，他们决定把 OTT 上的所有视频都转储到 Enterprise 新平台上。但为什么不打个招呼呢？可能 Vimeo 根本就不关心吧。
他们重复上传了我们这边已经传过的视频。
现在视频素材的总大小在 15 TB 左右，超出上限 4 TB。
就是说除非我们删除一部分内容，否则根本没法继续上传视频。我们询问 Vimeo 能否恢复更改，但得到的却是否定的答复。最要命的是，再有一个礼拜左右产品就该上线了。
唯一的选择就只能是手动删除多出来的视频了，这活归我来干。很遗憾，我犯了个巨大的错误。
“解决方案”
（介绍一下背景，之前 7 个月里我一直在使用 React，这也成了引爆问题的直接导火索）
幸运的是，我们在数据库里为每段视频都分配了一个“VimeoId”，所以我脑袋里蹦出的第一个解决方案就是：
for each video in vimeo:
if video not in our_vimeo_ids:
delete("api.vimeo.com/videos/{video}"
这两条请求都是分页的（只是具体方式略有不同），所以我编写的实际代码是：
page = 0
url = f"https://api.ourservice.com/media?page={page}&step=100"
our_ids = []
for i in range(10):
page = i
res = requests.get(url)
videos = res.json()['list']
ids = [video['vimeoId'] for video in videos]
our_ids += ids
next = '/me?page=1'
vimeo_ids = []
while next is not None:
res = requests.get(f'https://api.vimeo.com/videos{next}')
res = res.json()
videos = res['data']
ids = [video['id'] for video in videos]
vimeo_ids += ids
next = res['pagination']['next']
for id in vimeo_ids:
if id not in our_ids:
requests.delete(f'https://api.vimeo.com/videos/{id}')
大家肯定一看就知道错在哪了，现在我也看得出来。但当时我检查了好几遍，觉得它没有任何问题。这里剧透一下答案：
url = f"https://api.ourservice.com/media?page{page}&step=100
our_ids = []
for i in range(10):
page = i
res = requests.get(url)
我当时已经习惯了 React，所以天然认定 url 会在页面变量更改后立即刷新，但事实并非如此。所以在使用这个脚本之后，所有不存在于我们数据库第一页里的视频都会被从 Vimeo 中删除。
这里还有另一个问题：我测试了代码，并使用了以上示例中的这个错误循环。
我还做了几次手动测试，但测试范围就只有数据库上的第一页。哎，这本该很容易避免的一系列错误。
page = 0
url = f"https://api.ourservice.com/media?page{page}&step=100
our_ids = []
for i in range(10):
page = i
res = requests.get(url)
videos = res.json()['list']
ids = [video['vimeoId'] for video in videos]
for id in ids:
res = requests.get(f'https://api.vimeo.com/videos/{id}')
if res.status_code != 200:
print(f"There was something wrong. You have deleted a wrong video -> {id}"
善后工作
好消息是，Google Drive 文件夹里还有一份视频备份，而且相关信息也好好保存在数据库内。坏消息是，这时候时间已经来到星期五，而我们最晚也得在星期二早上就把视频还原回去。当时公司的网络带宽大概是每秒 30 MB，上传数据总量在 8 TB 左右。不现实……我们得想点别的办法。
我想到的第一个解决方案就是用 Google Drive API。我们这边有全部上传到数据库的视频文件名，所以我很快写下以下代码：
page = 0
file_names = get_our_filenames(page) # This time without the mistake in the for loop
for name in file_names:
download_and_save_from_drive(name)
upload_to_vimeo(name)
这意味着我可以用不同页面多次运行脚本，从而在不同网络上“并行化”整个过程。（我也想过换个高速网络环境，但一是没有比较快捷的提速途径、二是出站流量成本过高。）效果还是不理想，毕竟就算是饱和传输也得占满整整 4 天，再出一丁点问题就要超时。于是我又想到了一个办法：
另一个解决方案
能不能直接把视频从 Google Drive 上传到 Vimeo？我检查了一下上传页面，并发现确实可以这么操作。只是还有个小问题：它只支持手动操作，无法使用 API 自动优化，但优势是上传几乎可以即时完成。也许还有更好的办法，但我当时真的想不到了，所以我满心欢喜地启动了 Playwright。
Playwright 是一款自动 E2E 工具，可用于模拟用户交互。具体来讲，它可以按我们编程的指引点击网站上的不同位置。有它在，不就把人给解放出来了？
下面来看代码：（我刚开始用 Playwright、而且时间紧迫，所以写得确实粗糙，请大家原谅）
test('Videos', async ({ page }) => {
// 登录进vimeo
await page.goto('https://vimeo.com/upload/videos');
await page.fill(
'input[name="email"]',
'xxx'
);
await page.fill('input[name="password"]', 'xxx');
await page.click('input[type=submit]');
// 点击Drive按钮，然后登录进 Google Drive
// 我们需要将其作为iframe来管理
const [popup] = await Promise.all([
page.waitForEvent('popup'),
page.click('text=Drive'),
]);
await popup.fill('input[type="email"]', 'xxx');
await popup.click('button:has-text("Next")');
await popup.fill('input[type="password"]', 'xxx');
await popup.click('button:has-text("Next")');
await timeout(5000);
// 对于我们上传前就已经获得的全部文件名
for (let i = 0; i < videos.length; i++) {
if (i > 0) {
page.click('text=Drive');
await timeout(5000);
}
let found = false;
while(!found) {
for (let frame of page.frames()) {
const searchbox = await frame.$('input[aria-label="Search terms"]');
const button = await frame.$('div[data-tooltip="Search"]');
if (searchbox) {
await temp.fill(videos[i]);
await button.click();
}
}
}
await timeout(5000);
// 每当搜索时，Google都会重新生成iframe，所以我们就得重新搜索
for (let frame of page.frames()) {
const temp = await frame.$('table[role="listbox"] div[tabindex="0"]');
if (temp) {
const select = await frame.$('div[id="picker:ap:2"]');
await select.click();
}
}
await page.goto('https://vimeo.com/upload/videos');
}
});
这段代码确实不怎么样（特别是其中用超时来解决 Playwright 中.click() 的部分），但它还是发挥了符合预期的效果，只有一个意外：我没能让它正确点击查找到的视频，而只是点到了“Select”按钮上。
直到现在，我也不知道这个问题该怎么解决。所以就算是用上这段代码，我也得每 10 秒就手动单击一次来选择视频，这样才能让程序持续运行。我坐在屏幕前点了 10 分钟，然后开始怀疑自己这是在搞什么鬼……
我下载了一个自动点击器（xclicker），并把它设置成每 5 秒点击一次。成功！每段视频大概耗时 13 秒，一共 1000 段视频，用了 4 个小时所有视频就都上传完成了。
现在只剩最后一步：它们都有了新的“vimeoIds”，所以我得回到公司这边的数据库，用正确的 Id 值更新所有视频。但这次要简单得多，用跟之前类似的 Python 脚本就能轻松完成。最后，所有视频上传完成，产品终于能顺利上线了。
总 结
这事让我学到了什么？首先就是在执行破坏性操作之前，先充分进行测试。也希望 Vimeo 和外包商也能从中吸取教训吧，虽然我怀疑他们根本不在乎。（肯定不在乎，直到现在这种上传方式还是只支持手动，想想这是为什么！）
原文链接：
https://blog.thevinter.com/posts/vimeo
作者：thevinter
来源：InfoQ
- EOF -
看完本文有收获？请转发分享给更多人
推荐关注「数据分析与开发」，提升数据技能
点赞和在看就是最大的支持❤️