从回收站和快照中恢复误删的文件

目标

对订单文件夹允许快照并创建快照，然后把用 shell 的 rm 删除的文件从回收站找回，把用 -skipTrash 删除的文件从快照中恢复。修改文件后查看两个快照之间的差异，还要体验有快照的目录无法被整体删除，以及重命名快照。

为什么重要

找回被删除文件有两条路，性质各不相同。回收站是客户端（shell）做的事——hdfs dfs -rm 不直接删除文件，而是把它移到用户主目录的 .Trash/Current。所以加上 -skipTrash，或者由 shell 之外的程序（Spark、API）来删除，都不会经过回收站。 快照是 NameNode 做的事。它把创建快照那一刻的目录树记成元数据，此后无论什么被删除或修改，快照一侧的块都不会被删除。由于不复制数据，创建会立即完成；代价是被快照占着的那部分块，空间不会归还。 在生产环境中两者会一起使用。回收站挽回人的失误，快照挽回作业的失误（错误的 overwrite、被删除的分区）。差异报告（snapshotDiff）回答“从昨天起有什么变化”，distcp 的增量复制也用到它。

步骤

1. 把 a.csv（即 /data/finance/q1.csv）、b.csv（即 q2.csv）、c.csv（即 /data/small/sensor-0000.csv）上传到 /snap/orders，并允许快照（hdfs dfsadmin -allowSnapshot）。
2. 创建快照 s1（hdfs dfs -createSnapshot /snap/orders s1）。
3. 用 hdfs dfs -rm /snap/orders/a.csv 删除 a.csv（它会进入回收站）。
4. 用 hdfs dfs -rm -skipTrash /snap/orders/b.csv 删除 b.csv，然后从 /snap/orders/.snapshot/s1/b.csv 复制并恢复。
5. 在 c.csv 末尾追加一行（-appendToFile），创建快照 s2，并把 hdfs snapshotDiff /snap/orders s1 s2 的输出保存到 /root/hdp/snap/diff.txt。
6. 尝试执行 hdfs dfs -rm -r -skipTrash /snap/orders，并把错误输出保存到 /root/hdp/snap/deny.txt。
7. 把快照 s2 重命名为 before-audit（hdfs dfs -renameSnapshot）。
8. 在 /root/hdp/snap/report.md 中写出 ## 휴지통、## 스냅샷、## 지킬 것 三个小节。第二节写入第 5 步差异报告的行数（不含表头行）。

参考

• 这个镜像的回收站保留时间为一天（fs.trash.interval=1440 分钟）。默认值 0 表示回收站关闭，rm 会直接删除。
• 回收站中的文件位于 /user/<사용자>/.Trash/Current/<원래 경로>（占位符依次为用户名与原路径）。要恢复，用 hdfs dfs -mv 把它移回原位即可。
• 快照在 <디렉터리>/.snapshot/<이름>/ 之下以只读方式可见（占位符依次为目录与快照名）。-ls 中不会列出，但可以直接按路径进入。
• 常见错误：对没有允许快照的目录创建快照；相信快照能拦住 -rm -r -skipTrash，却写到了别的目录；想在快照中用 mv（它是只读的——用 cp 恢复）。
• 官方文档：HDFS Snapshots · HDFS Architecture — Space Reclamation · FileSystem Shell — rm · WebHDFS — Snapshot Operations

允许快照

创建 HDFS 的 /snap/orders，把 /data/finance/q1.csv 上传为 a.csv，把 /data/finance/q2.csv 上传为 b.csv，把 /data/small/sensor-0000.csv 上传为 c.csv，然后执行 hdfs dfsadmin -allowSnapshot /snap/orders。

并不是在任何目录上都能创建快照。只有管理员允许“这个目录可以创建快照”的目录（snapshottable）才行。请看 WebHDFS 的 GETFILESTATUS 中是否出现了 snapshotEnabled。

创建快照 s1

用 hdfs dfs -createSnapshot /snap/orders s1 创建快照 s1。

创建会立即完成。它不复制块，只是由 NameNode 记住那一刻的目录树。请用 hdfs dfs -ls /snap/orders/.snapshot/s1 查看。

rm 会把文件移进回收站

用 hdfs dfs -rm /snap/orders/a.csv 删除 a.csv。文件应当已经出现在 /user/root/.Trash/Current/snap/orders/a.csv。

shell 的 rm 不删除而是移动。输出中的“Moved: … to trash at …”就是这个意思（如果把日志级别设为 WARN，就看不到）。要恢复，从那个路径用 mv 移回原位即可。

用 -skipTrash 删除的，从快照中找回

用 hdfs dfs -rm -skipTrash /snap/orders/b.csv 删除 b.csv，然后用 hdfs dfs -cp /snap/orders/.snapshot/s1/b.csv /snap/orders/b.csv 恢复。

-skipTrash 会绕过回收站，所以回收站里没有它。但 s1 占着这个文件的块，所以可以通过快照路径读取。快照是只读的，所以用的是 cp 而不是 mv。

两个快照之间的差异

像 echo 2026-03-01,s-9999,99.9 | hdfs dfs -appendToFile - /snap/orders/c.csv 这样，在 c.csv 中追加一行，创建快照 s2，然后把 hdfs snapshotDiff /snap/orders s1 s2 的输出保存到 /root/hdp/snap/diff.txt。

差异报告中的符号是 M（修改）、+（新增）、-（消失）、R（重命名）。请想一想 b.csv 为什么会以“-”和“+”出现两次——恢复回来的是同名的新文件。评分器会把 WebHDFS 的 GETSNAPSHOTDIFF 与你的文件逐行对照。

快照保护目录

执行 hdfs dfs -rm -r -skipTrash /snap/orders，并把错误输出保存到 /root/hdp/snap/deny.txt。/snap/orders 必须原样保留。

只要有一个快照，snapshottable 目录就不能被删除。删除目录是发给 NameNode 的一个请求，所以会被整体拒绝，里面的文件也原样保留。要删除，必须先删除全部快照（-deleteSnapshot），并撤销允许之后才行。

重命名快照

用 hdfs dfs -renameSnapshot /snap/orders s2 before-audit 把快照 s2 重命名为 before-audit。

快照名称如果按日期或事件来取，日后更容易找到。重命名之后，内容和差异报告保持不变。

记录两条恢复的路径

在 /root/hdp/snap/report.md 中写出 ## 휴지통、## 스냅샷、## 지킬 것 三个小节。第二节写入第 5 步差异报告的行数（去掉第一行表头之后的符号行数）。

请写出：回收站是谁的功能、什么时候没有用；快照记住了什么、占着什么；要保护这个文件夹，应该制定什么规则。