hdfs手动清理过期文件详细步骤

1、统计hdfs目录
hdfs dfs -ls -R /tmp >> tmpdirlog

2、排除以d开头或者包含2024-06、2024-07的行，只清理过期文件
grep -E -v “^d| 2024-0[6-7]” tmpdirlog >> outtmpdirlog

3、根据过期文件记录清理过期数据
cat outtmpdirlog | awk ‘{print $8}’ |xargs hdfs dfs -ls
cat outtmpdirlog | awk ‘{print $8}’ |xargs hdfs dfs -rm -r

4、正则匹配清理过期目录
hdfs dfs -rm -r /flink/2024-01-*
hdfs dfs -rm -r /flink/2024-0[1-5]*

5、回收站清理策略
fs.trash.interval 垃圾桶功能（需要重启HDFS）
如果为零，垃圾桶功能将被禁用
设置1天后垃圾回收站中的文件会被系统永久删除
如果需要直接删除，不放进回收站需要使用下面命令删除
hadoop fs -rm -r -skipTrash /test
fs.trash.checkpoint.interval 创建检查点时间间隔（需要重启HDFS）
设置1小时创建一次检查点目录，会在/user/用户下每隔1小时创建一个检查点目录，并把垃圾回收站中的文件移动到该目录下
手动清空检查点 hadoop fs -expunge
等到1天后将删除所有检查点目录，如果该参数为0，则该值默认设置为fs.trash.interval的值，
会在每次创建检查点时删除比fs.trash.interval更早创建的检查点目录,设置的值应为<=fs.trash.interval