Boto3 1.36版本更新后S3兼容存储服务上传报错问题分析
问题背景
近期Boto3发布了1.36.0版本更新,该版本引入了一项重要的默认行为变更:为S3对象存储新增了默认的数据完整性保护功能。这项变更导致部分用户在使用非AWS官方的S3兼容存储服务时,出现了"Invalid trailing header names in x-amz-trailer"的错误提示。
错误现象
当用户尝试使用boto3 1.36.0及以上版本向某些第三方S3兼容服务上传对象时,PutObject操作会失败并返回错误信息:"An error occurred (InvalidTrailer) when calling the PutObject operation: Invalid trailing header names in x-amz-trailer"。
原因分析
这一问题的根源在于boto3 1.36.0版本默认启用了新的数据完整性保护机制。该机制会在请求中添加X-Amz-Trailer头部用于校验数据完整性。然而,许多第三方S3兼容服务尚未实现对这些新特性的支持,导致服务端无法识别这些头部信息而拒绝请求。
解决方案
对于使用第三方S3兼容服务的用户,可以通过以下两种方式解决此问题:
-
降级boto3版本:暂时回退到1.35.0版本可以规避此问题。
-
修改客户端配置:在创建S3客户端时,显式设置数据完整性校验模式为"WHEN_REQUIRED":
from botocore.config import Config
custom_config = Config(
signature_version="s3v4",
request_checksum_calculation="WHEN_REQUIRED",
response_checksum_validation="WHEN_REQUIRED"
)
s3 = boto3.client(
"s3",
aws_access_key_id=AWS_ACCESS_KEY,
aws_secret_access_key=AWS_SECRET_KEY,
endpoint_url=AWS_ENDPOINT,
config=custom_config
)
技术建议
-
兼容性考虑:AWS SDK主要针对官方AWS服务设计,新功能可能会先于第三方兼容服务的支持而默认启用。
-
长期解决方案:建议联系您的S3兼容服务提供商,询问他们是否计划支持AWS最新的数据完整性保护协议。
-
调试技巧:遇到类似问题时,可以通过设置boto3的调试日志来获取更详细的请求信息:
import boto3
boto3.set_stream_logger("")
总结
Boto3 1.36.0版本引入的数据完整性保护功能虽然提升了安全性,但也带来了与第三方S3兼容服务的兼容性问题。用户应根据自身使用场景选择合适的解决方案,平衡安全性和兼容性的需求。对于必须使用第三方S3服务的场景,暂时禁用默认的完整性校验是可行的临时解决方案。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00