定時腳本: 刪除HDFS中的過期文件

1. 基本原理：

　　通過hadoop fs -ls *命令獲取相關文件或目錄的修改時間，然后與設定的過期時間進行比較，之后執行刪除操作即可

2. 相關代碼：

#!/bin/bash
source ~/.bashrc

# HADOOP所在的bin目錄
HADOOP_BIN_PATH=/home/hadoop/hadoop-2.3.0-cdh5.0.0/bin

#待檢測的HDFS目錄
data1_file=/user/gas/data1
data2_file=/user/gas/data2

#將待檢測的目錄(可以為多個)加載至數組中
array_check=($data1_file $data2_file)

# 當前時間戳
today_timestamp=$(date -d "$(date +"%Y-%m-%d %H:%M")" +%s)

#Func: 刪除指定時間之前的過期，這里設置的是45天前
removeOutDate(){
        $HADOOP_BIN_PATH/hadoop fs -ls $1 > temp.txt
        cat temp.txt | while read quanxian temp user group size day hour filepath
        do
            current_file_time="$day $hour"
            current_file_timestamp=$(date -d "$current_file_time" +%s)
            if [ $(($today_timestamp-$current_file_timestamp)) -ge $((45*24*60*60)) ];then
                echo "$(date +'%Y-%m-%d %H:%M:%S') $filepath"
                $HADOOP_BIN_PATH/hadoop fs -rm -r $filepath > /dev/null 2>&1 
            fi
        done
}

#Func: 執行刪除
execute(){
        echo -e "\n\n"
        echo "$(date +'%Y-%m-%d %H:%M:%S') start to remove outdate files in hdfs"
        echo "$(date +'%Y-%m-%d %H:%M:%S') today is: $(date +"%Y-%m-%d %H:%M:%S")"

        for i in ${array_check[@]}
        do
            echo "$(date +'%Y-%m-%d %H:%M:%S') processing filepath: $i"
            removeOutDate $i
            echo -e "\n"
        done

        echo "$(date +'%Y-%m-%d %H:%M:%S') remove outdate files in hdfs finished"
        echo -e "\n\n"
}

# 開始執行
execute

 參考：Hadoop運維-刪除目錄下過期的數據