第七章：小朱笔记hadoop之源码分析-hdfs分析 第四节：namenode分析-Trash

第七章：小朱笔记hadoop之源码分析-hdfs分析

第四节：namenode分析

4.8 回收站机制

      当用户写程序调用HDFS的API时，NameNode并不会把删除的文件或目录放入回收站Trash中。HDFS在客户端为用户提供了对文件系统的命令行操作，这个命令行操作是通过FsShell来实现的。当用户通过命令-rm/-rmr删除文件系统中的一个文件或者是目录的时候，HDFS并没有真正的删除这个文件或目录，而是把这个文件/目录移动到HDFS的系统回收站目录下。和Linux系统的回收站设计一样，HDFS会为每一个用户创建一个回收站目录：/user /用户名/.Trash/。这里就有一个问题了，经过长时间之后，删除的文件/目录占用了该文件系统大量的存储空间，而这些删除文件/目录确实已经真的对 用户来说没有任何用处。每一个被用户通过Shell删除的文件/目录，在系统回收站中都一个周期，也就是当系统回收站中的文件 /目录在一段时间之后没有被用户回复的话，HDFS就会自动的把这个文件/目录彻底删除，之后，用户就永远也找不回这个文件/目录了。在HDFS内部的具 体实现就是在NameNode中开启了一个后台线程Emptier，这个线程专门管理和监控系统回收站下面的所有文件/目录，对于已经超过生命周期的文件 /目录，这个线程就会自动的删除它们，不过这个管理的粒度很大。另外，用户也可以手动清空回收站，清空回收站的操作和删除普通的文件目录是一样的，只不过 HDFS会自动检测这个文件目录是不是回收站，如果是，HDFS当然不会再把它放入用户的回收站中了。
       在HDFS中，用户的回收站用类org.apache.hadoop.fs.Trash来表示，这个类主要包含四个属性：

写道

fs：当前用户使用的文件系统；
trash：用户的回收站目录(/user/用户名/.Trash)；
current：存放被用户删除的文件/目录的路径(/user/用户名/.Trash/current)；
interval：被用户删除的文件/目录在回收站中的生命期；

      在默认的情况下，interval的 被Hadoop设置为0，即关闭了用户的回收站，所以我强烈的建议用户在读完本文之后赶紧在配置文件中设置fs.trash.interval的值(单位 是minute)，同时这个设置只与客户端和NameNode节点都相关，但是在客户端设置这个值，只能说明是开启了用户的回收站功能，而不能决定删除的 文件/目录在回收站中的生命期，在NameNode节点设置这个值只能说是开启了自动清空所有用户回收站的功能。所以当某一个用户删除一个文件/目录 时，HDFS就把这个待删除的文件/目录移动到该用户对应的回收站目录/user/用户名/.Trash/current中。另外，如果用户的回收站中已 经存在了用户当前删除的文件/目录，则HDFS会将这个当前被删除的文件/目录重命名，命名规则很简单就是在这个被删除的文件/目录名后面紧跟一个编号 (从1开始知道没有重名为止)。
       还有，NameNode是通过后台线程(org.apache.hadoop.fs.Trash.Emptier)来定时清空所有用户回收站中的文件/目 录的,它每隔interval分钟就清空一次用户回收站。具体的操作步骤是，先检查用户回收站目录/user/用户名/.Trash下的所有 yyMMddHHmm形式的目录，然后删除寿命超过interval的目录，最后将当前存放删除的文件/目录的回收站目录/user/用户名 /.Trash/current重命名为一个/user/用户名/.Trash/yyMMddHHmm。