HDFS ls查看文件命令按照时间排序(sort by time)

 

　　我们在使用HDFS Shell的时候只用最频繁的命令可能就是 ls 了，其具体含义我就不介绍了。在使用 ls 的命令时，我们可能想对展示出来的文件按照修改时间排序，也就是最近修改的文件(most recent)显示在最前面。如果你使用的是Hadoop 2.8.0以下版本，内置是不支持按照时间等属性排序的。不过值得高兴的是，我们可以结合Shell命令来实现按照文件最近修改的时间对 ls 命令输出结果进行排序；比如，我想按照最近修改的时间升序排序（也就是越早修改的文件显示在最上面），可以如下实现：

[iteblog@www.iteblog.com ~]$ hadoop fs -ls /user/iteblog | sort -k6,7 drwxr-xr-x   - iteblog iteblog          0 2015-06-16 14:57 /user/iteblog/hive drwxr-xr-x   - iteblog iteblog          0 2016-07-04 16:16 /user/iteblog/spark drwxr-xr-x   - iteblog iteblog          0 2016-11-16 20:07 /user/iteblog/data drwxr-xr-x   - iteblog iteblog          0 2016-12-12 18:59 /user/iteblog/logs drwxr-xr-x   - iteblog iteblog          0 2017-02-17 02:40 /user/iteblog/temp drwxr-xr-x   - iteblog iteblog          0 2017-02-18 19:22 /user/iteblog/.sparkStaging drwx------   - iteblog iteblog          0 2017-02-18 20:11 /user/iteblog/.Trash

 

如果你想按照最近修改的时间降序排序（也就是越早修改的文件显示在最下面），可以如下实现：

[iteblog@www.iteblog.com ~]$ hadoop fs -ls /user/iteblog | sort -r -k6,7 drwx------   - iteblog iteblog          0 2017-02-18 20:11 /user/iteblog/.Trash drwxr-xr-x   - iteblog iteblog          0 2017-02-18 19:22 /user/iteblog/.sparkStaging drwxr-xr-x   - iteblog iteblog          0 2017-02-17 02:40 /user/iteblog/temp drwxr-xr-x   - iteblog iteblog          0 2016-12-12 18:59 /user/iteblog/logs drwxr-xr-x   - iteblog iteblog          0 2016-11-16 20:07 /user/iteblog/data drwxr-xr-x   - iteblog iteblog          0 2016-07-04 16:16 /user/iteblog/spark drwxr-xr-x   - iteblog iteblog          0 2015-06-16 14:57 /user/iteblog/hive

如果你使用的是Hadoop 2.8.0及以上版本，我们可以发现Hadoop内置（HADOOP-8934）就支持了这个功能，如下：

Usage: hadoop fs -ls [-C] [-d] [-h] [-q] [-R] [-t] [-S] [-r] [-u] <args>   Options:   -C: Display the paths of files and directories only. -d: Directories are listed as plain files. -h: Format file sizes in a human-readable fashion (eg 64.0m instead of 67108864). -q: Print ? instead of non-printable characters. -R: Recursively list subdirectories encountered. -t: Sort output by modification time (most recent first). -S: Sort output by file size. -r: Reverse the sort order. -u: Use access time rather than modification time for display and sorting.

可以从上面 ls 参数列表看出，最新版的Hadoop ls 命令支持了更多的功能，不仅仅是文件按照修改时间排序（包括升序和降序），还可以按照文件大小排序等。所以我们可以直接在命令行上使用这个功能：

[iteblog@www.iteblog.com ~]$ hadoop fs -ls -t /user/iteblog drwx------   - iteblog iteblog          0 2017-02-18 20:11 /user/iteblog/.Trash drwxr-xr-x   - iteblog iteblog          0 2017-02-18 19:22 /user/iteblog/.sparkStaging drwxr-xr-x   - iteblog iteblog          0 2017-02-17 02:40 /user/iteblog/temp drwxr-xr-x   - iteblog iteblog          0 2016-12-12 18:59 /user/iteblog/logs drwxr-xr-x   - iteblog iteblog          0 2016-11-16 20:07 /user/iteblog/data drwxr-xr-x   - iteblog iteblog          0 2016-07-04 16:16 /user/iteblog/spark drwxr-xr-x   - iteblog iteblog          0 2015-06-16 14:57 /user/iteblog/hive

hadoop fs -ls -t -r /user/iteblog输出的结果正好和上面相反。

有些用户可能会说，你不是说这个功能是从Hadoop 2.8.0版本开始才支持的，但是为什么我在Hadoop 2.7.1的官方文档看到了有关 ls 支持 -t 参数的说明呢？如下：

 

Usage: hadoop fs -ls [-d] [-h] [-R] [-t] [-S] [-r] [-u] <args>   Options:   -d: Directories are listed as plain files. -h: Format file sizes in a human-readable fashion (eg 64.0m instead of 67108864). -R: Recursively list subdirectories encountered. -t: Sort output by modification time (most recent first). -S: Sort output by file size. -r: Reverse the sort order. -u: Use access time rather than modification time for display and sorting.

我想和你说，这是一个误会，其实这个版本并不支持。不信你自己去命令行试试。