HDFS数据清理一些办法:
- datanode数据做reblance
- 清理临时目录、日志目录文件
- 全量分区表历史分区清理
- 使用lzo,orc格式进行数据压缩
- 清理或者归档历史冷数据
- 增加datanode横向扩容
附上自动清理目录下过期的文件
#!/bin/bash
source ~/.bash_profile
# 将待检测的目录(可以为多个)加载至数组中
yarn_log_dir=/app-logs/spark/logs
spark_log_dir=/spark-history
spark2_log_dir=/spark2-history
mr_log_dir=/mr-history/done/$(date +"%Y/%m" -d "-1 days")
array_check=($yarn_log_dir $mr_log_dir)
# 过期天数
expire_days=14
# 当前时间戳
today_timestamp=$(date -d "$(date +"%Y-%m-%d %H:%M")" +%s)
#Func: 删除指定时间之前的过期
removeOutDate(){
hadoop fs -ls $1 > temp_list.txt
cat temp_list.txt | while read quanxian temp user group size day hour filepath
do
current_file_time="$day $hour"
current_file_timestamp=$(date -d "$current_file_time" +%s)