hive - 如何在 HDFS 中查找访问频率较低的文件

Question

除了使用 Cloudera Navigator，我如何在 HDFS 中找到访问频率较低的文件。

Answer 1

我假设您正在查找文件最后一次访问（打开、读取等）的时间，因为过去越长，访问文件的次数就越少。

因此，您可以通过ls -l -someMoreOptions在 Linux 中非常简单地执行此操作，而在 HDFS 中需要做更多的工作。

也许您可以监视上述文件的/hdfs-audit.logfor 。cmd=open或者你可以实现一个小函数来读取FileStatus.getAccessTime()和，正如在是否有办法获取 HDFS 文件的最后访问时间？或如何获取 HDFS 中任何文件的最后访问时间？在 Cloudera 社区。

换句话说，有必要创建一个小程序来扫描所有文件，读出属性

...
status = fs.getFileStatus(new Path(line));
...   
long lastAccessTimeLong = status.getAccessTime();
Date lastAccessTimeDate = new Date(lastAccessTimeLong);
...

并订购它。您将能够找到长时间未访问的文件。