我们有一个由1个主节点和7个工作节点组成的Dataproc集群。所有工作节点都有一个启动磁盘和一个375 GB(sdb(的本地磁盘。工作节点0、1、2、3的sdb(安装在/mnt/1上(磁盘利用率已达到85%以上，5、6、7的磁盘利用率也逐渐提高到85%。
我们发现以下目录下的文件正在成为的主要组成部分(304G(
/mnt/1/hadoop/dfs/data/current/BP-XXXX-XX-XX.XX.XX.XXXXXXX/current/最终确定。
我们发现它下面有类似的文件夹
drwxrwxr-x 4 hdfs hdfs 4.0K Jul 24 16:11 ..
drwxrwxr-x 34 hdfs hdfs 4.0K Jul 26 15:20 subdir0
drwxrwxr-x 34 hdfs hdfs 4.0K Aug 8 13:19 subdir1
drwxrwxr-x 34 hdfs hdfs 4.0K Aug 10 08:16 subdir2
drwxrwxr-x 34 hdfs hdfs 4.0K Aug 17 22:16 subdir3
drwxrwxr-x 34 hdfs hdfs 4.0K Aug 23 02:49 subdir4
drwxrwxr-x 34 hdfs hdfs 4.0K Aug 27 20:30 subdir5
drwxrwxr-x 34 hdfs hdfs 4.0K Sep 2 08:30 subdir6
drwxrwxr-x 34 hdfs hdfs 4.0K Sep 7 02:21 subdir7
drwxrwxr-x 34 hdfs hdfs 4.0K Sep 12 18:00 subdir8
drwxrwxr-x 34 hdfs hdfs 4.0K Sep 16 22:46 subdir9
drwxrwxr-x 34 hdfs hdfs 4.0K Sep 23 02:45 subdir10
drwxrwxr-x 34 hdfs hdfs 4.0K Sep 28 22:31 subdir11
drwxrwxr-x 34 hdfs hdfs 4.0K Oct 3 19:15 subdir12
drwxrwxr-x 34 hdfs hdfs 4.0K Oct 8 13:30 subdir13
drwxrwxr-x 17 hdfs hdfs 4.0K Oct 12 15:35 .
drwxrwxr-x 34 hdfs hdfs 4.0K Oct 13 04:46 subdir14
cd分区6
ls-larth总计688K
drwxrwxr-x 34 hdfs hdfs 4.0K Sep 2 08:30 .
drwxrwxr-x 2 hdfs hdfs 20K Sep 5 22:35 subdir0
drwxrwxr-x 2 hdfs hdfs 20K Sep 5 22:51 subdir1
drwxrwxr-x 2 hdfs hdfs 20K Sep 5 23:34 subdir2
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 00:28 subdir4
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 00:50 subdir5
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 01:36 subdir6
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 01:50 subdir7
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 02:21 subdir8
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 02:50 subdir9
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 03:19 subdir10
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 03:38 subdir11
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 04:19 subdir12
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 04:38 subdir13
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 05:20 subdir14
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 05:49 subdir15
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 06:19 subdir16
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 07:20 subdir18
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 08:06 subdir20
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 08:24 subdir21
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 08:50 subdir22
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 09:23 subdir23
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 09:39 subdir24
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 10:05 subdir25
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 10:26 subdir26
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 11:02 subdir27
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 11:36 subdir28
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 12:04 subdir29
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 12:24 subdir30
drwxrwxr-x 2 hdfs hdfs 20K Sep 6 12:53 subdir31
drwxrwxr-x 2 hdfs hdfs 20K Sep 10 16:12 subdir17
drwxrwxr-x 2 hdfs hdfs 20K Sep 12 16:13 subdir3
drwxrwxr-x 2 hdfs hdfs 20K Sep 13 16:13 subdir19
drwxrwxr-x 17 hdfs hdfs 4.0K Oct 12 15:35 ..
XXXX/当前/最终确定/subdr6#cd subdr0XXXXX/当前/最终确定/subdr6/subdr0#ls-larth总计7.26亿
-rw-rw-r-- 1 hdfs hdfs 39K Sep 1 18:35 blk_1074135056_394248.meta
-rw-rw-r-- 1 hdfs hdfs 4.8M Sep 1 18:35 blk_1074135056
-rw-rw-r-- 1 hdfs hdfs 38K Sep 1 18:36 blk_1074135053_394245.meta
-rw-rw-r-- 1 hdfs hdfs 4.8M Sep 1 18:36 blk_1074135053
-rw-rw-r-- 1 hdfs hdfs 40K Sep 1 18:36 blk_1074135055_394247.meta
-rw-rw-r-- 1 hdfs hdfs 5.0M Sep 1 18:36 blk_1074135055
-rw-rw-r-- 1 hdfs hdfs 39K Sep 1 18:36 blk_1074135049_394241.meta
-rw-rw-r-- 1 hdfs hdfs 4.9M Sep 1 18:36 blk_1074135049
-rw-rw-r-- 1 hdfs hdfs 45K Sep 1 18:38 blk_1074135057_394249.meta
-rw-rw-r-- 1 hdfs hdfs 5.6M Sep 1 18:38 blk_1074135057
-rw-rw-r-- 1 hdfs hdfs 39K Sep 1 18:47 blk_1074135070_394262.meta
-rw-rw-r-- 1 hdfs hdfs 4.8M Sep 1 18:47 blk_1074135070
-rw-rw-r-- 1 hdfs hdfs 24K Sep 1 18:47 blk_1074135097_394289.meta
-rw-rw-r-- 1 hdfs hdfs 2.9M Sep 1 18:47 blk_1074135097
-rw-rw-r-- 1 hdfs hdfs 36K Sep 1 18:49 blk_1074135141_394333.meta
-rw-rw-r-- 1 hdfs hdfs 4.5M Sep 1 18:49 blk_1074135141
-rw-rw-r-- 1 hdfs hdfs 23K Sep 1 18:49 blk_1074135142_394334.meta
-rw-rw-r-- 1 hdfs hdfs 2.9M Sep 1 18:49 blk_1074135142
-rw-rw-r-- 1 hdfs hdfs 36K Sep 1 18:49 blk_1074135134_394326.meta
-rw-rw-r-- 1 hdfs hdfs 4.5M Sep 1 18:49 blk_1074135134
-rw-rw-r-- 1 hdfs hdfs 38K Sep 1 18:50 blk_1074135071_394263.meta
---------------------------很多很多像这样的文件--------------
-rw-rw-r-- 1 hdfs hdfs 37K Sep 5 22:23 blk_1074192610_451802.meta
-rw-rw-r-- 1 hdfs hdfs 4.6M Sep 5 22:23 blk_1074192610
-rw-rw-r-- 1 hdfs hdfs 37K Sep 5 22:26 blk_1074192592_451784.meta
-rw-rw-r-- 1 hdfs hdfs 4.6M Sep 5 22:26 blk_1074192592
-rw-rw-r-- 1 hdfs hdfs 44K Sep 5 22:33 blk_1074192633_451825.meta
-rw-rw-r-- 1 hdfs hdfs 5.5M Sep 5 22:33 blk_1074192633
- 我们可以删除那些文件吗
- 这些文件的用途是什么
删除这些内容的最佳方法是什么
非常感谢您提供的信息。我已经执行了命令。
~# hadoop fs -du -h /
136 /hadoop
0 /tmp
1017.5 G /user
# hadoop fs -du -h /user/spark/
1012.7 G /user/spark/eventlog
事件日志似乎占用了近1TB的
:~# hdfs dfsadmin -report
Configured Capacity: 2766820474880 (2.52 TB)
Present Capacity: 2539325628659 (2.31 TB)
DFS Remaining: 331457595322 (308.69 GB)
DFS Used: 2207868033337 (2.01 TB)
DFS Used%: 86.95%
Under replicated blocks: 0
Blocks with corrupt replicas: 0
Missing blocks: 0
Missing blocks (with replication factor 1): 0
Pending deletion blocks: 0
-------------------------------------------------
Live datanodes (7):
Name: XXXXXX
Hostname: XXXXXX-w-0.c.XXXXXXXX
Decommission Status : Normal
Configured Capacity: 395260067840 (368.11 GB)
DFS Used: 328729737718 (306.15 GB)
Non DFS Used: 10792138250 (10.05 GB)
DFS Remaining: 34530736445 (32.16 GB)
DFS Used%: 83.17%
DFS Remaining%: 8.74%
Configured Cache Capacity: 0 (0 B)
Cache Used: 0 (0 B)
Cache Remaining: 0 (0 B)
Cache Used%: 100.00%
Cache Remaining%: 0.00%
Xceivers: 18
Last contact: Wed Oct 14 17:52:46 UTC 2020
Last Block Report: Wed Oct 14 14:32:42 UTC 2020
===============以上是修剪输出。其余6个节点的磁盘使用率几乎相同。
删除事件日志是否安全？我的意思是，它会阻碍任何正在运行的作业或集群吗？
我运行下面的命令来查找有多少文件，我发现它是巨大的。
~#hadoop fs-du-h/user/spark/eventlog|wc-l
236757
所有文件的大小几乎为5~6MB。有没有任何命令可以让我删除至少7天的匹配文件？
您列出的目录由HDFS使用，您可以在主节点上运行以下命令来确定哪些HDFS文件正在占用空间：
hdfs dfs -du <dir>
hdfs dfsadmin -report
您可以使用删除不需要的文件
hdfs dfs -rm -r -f -skipTrash <path>
请参阅HDFS命令指南中的更多详细信息。还有一些不错的脚本和工具可能很有用。
请注意/user/spark/eventlog和/tmp/hadoop-yarn/staging/history，它们通常会随着运行更多作业而增长。
增加HDFS容量
在识别和删除不需要的文件之前，为了防止HDFS空间不足，可以在集群中添加更多的工作节点作为缓解措施：
gcloud dataproc clusters update <cluster> --num-workers=<num>
请参阅扩展Dataproc集群的更多详细信息。
Spark事件日志
如果是由Spark事件日志或历史文件引起的，对于活动集群，请考虑在/etc/spark/conf/spark-defaults.conf:中添加这些属性
spark.history.fs.cleaner.enabled=true
spark.history.fs.cleaner.interval=1d
spark.history.fs.cleaner.maxAge=7d
然后用重新启动Spark历史服务器
sudo systemctl restart spark-history-server.service
它会帮你清理旧文件。您可以将间隔更改为较小的值，例如10m，如果您希望它更频繁地运行。
对于新集群，添加这些属性
gcloud dataproc clusters create ...
--properties spark:spark.history.fs.cleaner.enabled=true,spark:spark.history.fs.cleaner.interval=1d,spark:spark.history.fs.cleaner.maxAge=7d
请参阅相关Spark配置的文档。顺便说一句，你可以在Dataproc web UI中查看Spark作业历史记录，在清理了一些旧的历史记录文件后，你应该会看到更少的项目。