Kaggle数据集在中国下载慢？4种加速方案实测

下载进度条跑到99%，然后连接超时，一切归零。如果你在中国用过Kaggle下载数据集，这个场景应该不陌生。

Kaggle被Google收购后，其服务完全托管在Google Cloud基础设施上。在中国大陆直接访问Kaggle，不仅网页加载慢，数据集下载更是一场与网络稳定性的斗争——尤其是那些几个GB的大数据集，浏览器直接下载几乎不可能一次成功。

这篇文章提供4种经过实测的加速方案，从Kaggle官方API到VPN专线，帮你彻底解决下载问题。

---

为什么Kaggle在中国下载这么难？

Kaggle的文件存储在Google Cloud Storage上，而Google的服务在中国大陆没有节点。你的下载请求需要经过国际出口到达Google的服务器，这条链路的问题包括：

1. 带宽有限，延迟高：数据要跨越太平洋，往返延迟通常在200-400ms
2. TCP连接不稳定：国际出口的丢包率在高峰期可能达到5-10%，TCP会反复重传和降速
3. 浏览器下载不支持断点续传：Kaggle网页下载一旦中断就必须重新开始，对大文件来说是致命问题

---

方案一：Kaggle API命令行下载（最推荐）

放弃浏览器下载，使用Kaggle官方API通过命令行下载。API下载支持更稳定的连接控制，而且可以在服务器上后台运行。

初始配置（一次性）：

# 1. 安装Kaggle库
pip install kaggle

# 2. 获取API Token
#    登录 kaggle.com → 点击头像 → Settings → API → Create New Token
#    会自动下载 kaggle.json 文件

# 3. 放置密钥文件
mkdir -p ~/.kaggle
mv ~/Downloads/kaggle.json ~/.kaggle/
chmod 600 ~/.kaggle/kaggle.json

下载数据集：

# 竞赛数据集（在竞赛页面的Data标签页找到API命令）
kaggle competitions download -c titanic

# 社区数据集
kaggle datasets download -d heptapod/titanic

# 指定下载路径
kaggle datasets download -d heptapod/titanic -p ./data/

# 下载并自动解压
kaggle datasets download -d heptapod/titanic -p ./data/ --unzip

获取API命令的快捷方式： 在任何Kaggle数据集页面，点击右侧的 "..." → "Copy API command"，直接粘贴到终端运行即可。

优点： 官方支持、连接比浏览器稳定、可在服务器上后台运行。

局限： 速度仍受国际出口带宽限制；超大数据集仍可能中断。

---

方案二：Google Colab中转下载

利用Google Colab的服务器来中转——Colab的服务器与Kaggle同在Google Cloud内网，下载速度极快（通常100MB/s+）。下载到Colab后，再传到你的Google Drive或直接下载到本地。

步骤：

1. 打开 Google Colab（需要能访问Google）
2. 新建Notebook，运行以下代码：

# 第一步：安装并配置Kaggle
!pip install kaggle -q

# 第二步：上传你的kaggle.json密钥文件
from google.colab import files
uploaded = files.upload()  # 选择你的kaggle.json

!mkdir -p ~/.kaggle
!mv kaggle.json ~/.kaggle/
!chmod 600 ~/.kaggle/kaggle.json

# 第三步：下载数据集（秒速完成）
!kaggle datasets download -d heptapod/titanic -p /content/data/ --unzip

# 第四步：挂载Google Drive并复制
from google.colab import drive
drive.mount('/content/drive')
!cp -r /content/data/* /content/drive/MyDrive/kaggle_data/

3. 之后从Google Drive下载到本地（Drive支持断点续传）

优点： Kaggle→Colab是内网速度（极快）；数据通过Drive中转更可靠。

局限： 需要能访问Google（可能需要VPN）；Colab免费版有存储和时间限制。

---

方案三：多线程工具加速

如果API单线程下载速度不够，可以先获取下载链接，再用多线程工具（aria2/IDM）加速。

Linux/macOS（aria2）：

# 1. 安装aria2
sudo apt-get install aria2  # Ubuntu
brew install aria2           # macOS

# 2. 先用Kaggle API获取下载链接
#    在浏览器中开始下载，然后从下载管理器（Ctrl+J）复制真实下载URL

# 3. 使用aria2多线程下载
aria2c -x 8 -s 8 --file-allocation=none \
  "https://storage.googleapis.com/kaggle-data-sets/..." \
  -d ./data/ -o dataset.zip

Windows（IDM）：

在浏览器中点击Kaggle的下载按钮，IDM（Internet Download Manager）会自动接管下载，提供多线程和断点续传能力。

技巧： 如果aria2下载中途失败了，重新运行同一条命令，它会自动从断点继续，不需要从头开始。

优点： 多线程显著提速；aria2的断点续传极其可靠。

局限： 需要手动获取下载链接（比较麻烦）；部分链接有时效性。

---

方案四：VPN专线——打通Kaggle全流程

以上方案可以解决"下载数据集"这个单一问题。但如果你的Kaggle工作流包含以下环节，仍然需要稳定的全局网络连接：

• 参与Kaggle竞赛——提交Notebook、查看排行榜、参与Discussion都需要访问Kaggle网站
• 使用Kaggle Notebooks——在线运行环境需要持续连接，断网就丢失进度
• 同时使用Google Colab + Kaggle + GitHub——整个数据科学工具链都在海外
• 下载竞赛的私有数据集——部分竞赛数据只能通过Kaggle网站下载，没有API命令

Jetstream的IEPL专线提供稳定的Google Cloud访问通道：

# 连接Jetstream后，Kaggle全流程均可正常使用

# 1. 网页正常打开，无需特殊配置
# 2. API下载速度显著提升
kaggle competitions download -c playground-series-s4e1

# 3. Kaggle Notebooks稳定运行
# 4. Google Colab同样可用

推荐策略： 日常下载公开数据集用Kaggle API（方案一）；参与竞赛或需要完整Kaggle体验时使用VPN。

---

各方案对比总结

---

常见问题

Kaggle API下载到99%卡住怎么办？

通常是网络抖动导致TCP连接超时。重新运行同一条 kaggle 命令，大部分情况下可以续传（取决于数据集类型）。更可靠的方式是用Colab中转或VPN。

kaggle.json文件在哪里获取？

登录 kaggle.com，点击右上角头像 → Settings → 找到 "API" 部分 → 点击 "Create New Token"。系统会自动下载一个 kaggle.json 文件。

能不能用国内镜像访问Kaggle？

目前没有Kaggle的官方或社区镜像站（不像Hugging Face有hf-mirror）。Kaggle的数据和服务完全依赖Google Cloud，无法简单镜像。这也是为什么对于Kaggle来说，API下载或VPN是主要的加速手段。

在服务器上怎么用Kaggle API？

完全一样的配置流程：安装kaggle库、放置kaggle.json到 ~/.kaggle/、运行API命令。可以配合 nohup 或 tmux 在后台运行大数据集的下载任务。

---

相关阅读：

• 《arXiv在中国访问慢？5种实测方案加速论文下载》
• 《Hugging Face模型下载太慢？中国用户完整加速指南》