获取软链接 对象存储（BOS）
获取软链接 接口说明 GetSymlink接口用于获取软链接。此操作需要您对该软链接有读权限。 请求URI GET /v1/{bucketName}/{objectKey}?symlink 参数名称 参数类型 是否必须 描述 示例值 参数位置 bucketName String 是 bucket的名称 bucketName_example Path objectKey String 是 obj
获取图片信息 对象存储（BOS）
获取图片信息 概述 BOS 支持通过命令用来获取图片信息，如果图片有exif信息则返回包含exif的完整信息，如果图片不包含exif信息，则返回图片的基本信息。 返回的exif信息包含但不限于： dateTime、dateTimeOriginal、dateTimeDigitized、format、gpsLatitude、gpsLatitudeRef、gpsLongitude、gpsLongitud
任务进度恢复 对象存储（BOS）
任务进度恢复 从 status.log 里可以看到相应的文件列表具体的迁移进度，如果client崩溃了可以从日志中找到相应的 断点 恢复迁移，进度恢复是根据任务列表(list)的粒度来进行的。 示例: client.properties文件配置： taskList = / home / work / list / task_list task_list文件内容： / home / work / l
PutBucketQuota 对象存储（BOS）
PutBucketQuota 接口描述 本接口用来为单个Bucket设置容量上限及object个数上限 注意： 只有bucket的owner且拥有FULL_CONTROL权限才能够进行此请求。 请求 请求语法 PUT /?quota HTTP/1.1 Host: <BucketName>.bj.bcebos.com Date: <Date> Authorization: &
设置Meta信息 对象存储（BOS）
设置Meta信息 概述 数据元信息（Object Meta）是文件所携带的元数据信息，用以标识文件数据特征。对上传到 BOS 的文件属性描述，可以将其分为两种：系统定义的 Meta 和 User Meta（用户自定义元信息）。数据元信息可以在各种方式上传时或者拷贝文件时进行设置。 关于 Meta 的详细描述请参见 Metadata 。 设置 Meta 信息 登录 BOS 管理控制台 ，进入Buck
PutBucketAcl 对象存储（BOS）
PutBucketAcl 接口描述 本接口用于设置Bucket的访问权限。目前BOS支持两种方式设置ACL。第一种是使用CannedAcl，在PutBucketAcl的时候，通过头域的“x-bce-acl 来设置，当前可设置的权限包括：private, public-read, public-read-write（大小写敏感）。第二种方式是上传一个ACL文件，文件格式参见 ACL文件格式 。 AC
获取文件URL 对象存储（BOS）
获取文件URL 用户可以通过如下示例代码获取指定指定Object的URL： url = client.generatePresignedUrl(bucketName, key, timestamp, expirationInSeconds, headers, params, headersToSign, config) 说明： 用户在调用该函数前，需要手动设置 endpoint 为所属区域域名。百
GetBucketLogging 对象存储（BOS）
GetBucketLogging 接口描述 本接口用来获取某个Bucket的访问日志配置情况。 请求（Request） 请求语法 Get /?logging HTTP/1.1 Host: <BucketName>.bj.bcebos.com Date: <Date> Authorization: <AuthorizationString> Content-Len
人脸探测（face） 对象存储（BOS）
人脸探测（face） 功能描述 检测请求图片中的人脸，返回人脸位置、72 个关键点坐标、及人脸相关属性信息。 检测响应速度，与图片中人脸数量相关，人脸数量较多时响应时间会有些许延长。 典型应用场景：如 人脸属性分析 ， 基于人脸关键点的加工分析 ， 人脸营销活动 等。 五官位置会标记具体坐标；72 个关键点坐标也包含具体坐标，但不包含对应位置的详细位置描述。 请求参数 无 返回参数 参数 类型 是
Spark 使用指南 对象存储（BOS）
Spark 使用指南 Spark Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎。Spark 是 UC Berkeley AMP Lab (加州大学伯克利分校的AMP实验室)所开源的类 Hadoop MapReduce 的通用并行框架，拥有 Hadoop MapReduce 所具有的优点；但不同于 MapReduce 的是 --Job 中间输出结果可以保存在内存中，从而不
