使用 Python 操作 Azure Blob Storage 实现对象存储管理

通过集成 Azure Blob Storage Python SDK，让 AI 协助你快速构建能够处理非结构化数据的存储流水线，涵盖从身份验证、容器操作到大文件并行传输的完整流程。

为什么需要这个技能

在构建云原生应用时，处理海量非结构化数据（如日志、图片、备份文件）需要高效的对象存储方案。虽然 Azure 门户提供了可视化界面，但在自动化脚本、数据同步工具或后端服务中，需要通过代码实现精准控制。

本技能通过规范化 Python SDK 的调用方式，解决了开发者在处理身份验证、客户端层级关系（Service Container Blob）以及大文件传输性能优化时的常见痛点。

适用场景

• 自动化备份：定期将本地日志或数据库快照上传至云端。
• 静态资源分发：通过生成 SAS 临时授权链接，安全地向用户提供私有文件的下载权限。
• 数据湖构建：利用前缀过滤和层级遍历（walk_blobs）管理海量对象。
• 高性能传输：针对 GB 级大文件进行并发上传或下载，提升 I/O 效率。

核心工作流

1. 环境准备与认证

安装必要的依赖库并配置环境变量，推荐使用 DefaultAzureCredential 以确保在不同环境下（本地、GitHub Actions、Azure VM）具有统一的认证逻辑。

pip install azure-storage-blob azure-identity

from azure.identity import DefaultAzureCredential
from azure.storage.blob import BlobServiceClient

credential = DefaultAzureCredential()
account_url = "https://<account>.blob.core.windows.net"
blob_service_client = BlobServiceClient(account_url, credential=credential)

2. 对象管理操作

根据层级关系，通过 BlobServiceClient 获取 ContainerClient，再进一步操作具体的 BlobClient。

• 上传与下载：支持从文件路径、字节流或内存流中读取数据。
• 遍历与删除：使用 walk_blobs 实现类似文件夹的层级检索。

# 上传示例
blob_client = blob_service_client.get_blob_client(container="mycontainer", blob="sample.txt")
with open("./local-file.txt", "rb") as data:
    blob_client.upload_blob(data, overwrite=True)

# 列出特定前缀的 Blob
container_client = blob_service_client.get_container_client("mycontainer")
for blob in container_client.list_blobs(name_starts_with="logs/"):
    print(blob.name)

3. 性能调优与高级功能

针对大文件，通过设置 max_concurrency 开启并行传输；利用 generate_blob_sas 生成有时效性的共享访问签名。

# 并行下载优化
download_stream = blob_client.download_blob(max_concurrency=4)

下载和安装

下载 azure-storage-blob-py 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要

暂无推荐