Saltar a contenido

Google Drive

Una carpeta de Google Drive y todo lo que cuelga de ella, con una cuenta de servicio, sobre la API v3.

pip install "tai-storage[googledrive]"
from tai_storage import StorageFactory

origin = StorageFactory.create_googledrive()      # GOOGLE_DRIVE_CREDENTIALS_PATH y GOOGLE_DRIVE_ROOT_FOLDER_ID
Argumento Variable Qué es
credentials_path GOOGLE_DRIVE_CREDENTIALS_PATH El JSON con la clave de la cuenta de servicio
root_folder_id GOOGLE_DRIVE_ROOT_FOLDER_ID El id de la carpeta raíz (el final de su URL). Por defecto root, «Mi unidad» de la cuenta
drive_id GOOGLE_DRIVE_DRIVE_ID (opcional) La unidad compartida de la raíz, si está en una: acota los listados a ella

Construyendo GoogleDriveOrigin a mano se puede pasar también credentials_info (el contenido del JSON en lugar de su ruta) y subject (el usuario al que suplanta la cuenta, con delegación de dominio).

La raíz: una unidad compartida

Una cuenta de servicio no tiene cuota en «Mi unidad»

Puede leer lo que se comparta con ella, pero no puede subir ficheros a su propia unidad: Google responde storageQuotaExceeded, que tai-storage convierte en un PermissionDeniedError con esta misma solución.

La configuración que funciona:

  1. En Google Cloud, crea la cuenta de servicio, activa la API de Google Drive y descarga una clave JSON.
  2. En Drive, crea una unidad compartida (o una carpeta dentro de una) y añade el email de la cuenta (…@….iam.gserviceaccount.com) como gestor de contenido.
  3. El id de esa carpeta, que es el final de su URL, es GOOGLE_DRIVE_ROOT_FOLDER_ID. El id de la unidad compartida es GOOGLE_DRIVE_DRIVE_ID.

Lo que hay que saber

  • Drive no direcciona por ruta: cada carpeta se busca por su nombre dentro de la anterior. Una ruta cuesta una consulta por nivel la primera vez y ninguna después, porque los ids se guardan en el origen.
  • Drive admite dos ficheros con el mismo nombre en una carpeta. Pedirlo por ruta es ambiguo y da ConflictError. Los ficheros que vienen de un listado llevan su id, así que esos sí se pueden leer.
  • overwrite=False no es atómico. Drive no puede crear un fichero «solo si no existe», así que se comprueba antes de subir. Dos procesos escribiendo a la vez pueden crear dos ficheros con el mismo nombre.
  • Borrar es definitivo: no va a la papelera.
  • Los documentos de Google (Docs, Sheets, Slides) no son ficheros: leerlos es OperationNotSupportedError. Expórtalos a .xlsx o .csv.
  • Las subidas son reanudables y por trozos de 8 MiB, desde un stream. En la 0.1 el fichero se cargaba entero en memoria.
  • Los nombres van escapados en las consultas: O'Brien.csv funciona.
  • file.info.extra lleva file_id y web_url.

Cuánto cuesta cada operación

Con los ids de la ruta ya resueltos:

Operación Peticiones
metadatos, exists() 1 (0 si viene de un listado)
list_files() / list_folders() 1 por cada 1.000 elementos
read() / open_read() 1 para encontrarlo (0 si viene de un listado) + la descarga
escribir 1 para ver si existe + 1 para abrir la subida + 1 por cada trozo de 8 MiB
delete() 1 para encontrarlo (0 si viene de un listado) + 1
folder.create() 1 por cada carpeta que haya que crear

Los límites de peticiones de Google (403 userRateLimitExceeded o rateLimitExceeded, y 429) se reintentan con espera, igual que los 5xx.

Contrastado con un Drive simulado

El backend pasa la suite de contrato contra un Drive simulado, escrito a partir de la documentación de Google. Todavía no se ha probado contra una unidad compartida real.