请教一下各位如何在 Linux 环境下快速删除大量文件

[juniorzhou]

因为某些需求，经常要在 linux 环境下读写/删除创建 千万量级的文件，每个文件大小在 1M 左右。

文件系统是 GPFS parallel file system ，顺序 IO 估计有个 100GB/s 吧。创建的时候问题不大，用 mpi 速度还挺快，几乎无感。2000 个 mpi 任务几分钟就写好了，所以感觉 IO 应该不是瓶颈（？）

只不过删除的时候有点痛苦，不太想调用运算集群来删，有点浪费资源，希望能用一个 node 来快速完成删除，最好调用小于 128 个核心。

rm 太慢，就不考虑了。试过 rscyn ，性能也一般。现在用 find + parellel rm ，用 10 个进程删，凑合能用。不知道各位有没有什么好的建议快速删除这些文件。

另外偶尔也有备份的需求，因为不太常用，基本就用 tar 打包，丢在那半天一天也就打包好了，打包完 1~10t 左右的量级。如果哪位大佬有快速打包/解包的方案建议在此一并谢过。

补充一下，没有 root 权限。所以很多命令用不了。

感谢大家的回复。
看了一下，感觉最靠谱的还是用 多线程 调用 rm/rsync 删 比较靠谱。实在不行就调用一个 128 核心的运算 node 来删除吧。

有没有什么关于打包的建议。不需要压缩，硬盘容量足够。就是想 快速 把千万个小文件集合成一个大文件，甚至可以接受容量 10 倍左右的损失（增长）。主要就是要快，打包解包都快最好。我这个文件系统文件数有配额限制，不能超过 2 亿，但是体积几乎没有。

[syncake]

抛砖引玉
mkdir /tmp/a
rsync -av --delete /tmp/a/ /dir-you-need-del/

[zeusho871]

rimraf 不知道基于啥实现，node_modules 都能干，window/linux 都可以

[RobinHuuu]

容器或者虚拟磁盘？

[iceheart]

mkfs

[ho121]

或许可以换个思路。挂载磁盘镜像，写文件写到镜像里，删除只需要删除镜像文件即可。

另外 qcow2 可以开启压缩，直接当作是打包

[lrh3321]

我觉得可能是这个文件系统读取文件夹下文件的性能比较差，时间都花在 find 命令上了。试试创建的时候手动 redis,sqlite 之类的方法把文件信息记下来，然后删除时，用完整路径直接去删

[mayli]

的确 删除文件一直是个老大难问题
一般来说单线程 rsync 是最快的
你后台 io 够的话，试试多线程 rsync ，find 限制深度 然后用 xargs/parallel 去删

[ruidoBlanco]

换个思路，不在乎时间段话，ionice 慢慢删？

[cnleon]

单独分块盘来写，写完就直接格式化

[june4]

经常删除 npm 一大堆上万个小文件，发现 ssd 的在线 trim 和定时 trim 性能差别太大了，至少速度差有好几倍以上。
似乎现在的 linux 也都推荐定时 trim 了。

https://wiki.archlinux.org/title/Solid_state_drive

[juniorzhou]

@mayli 我现在就是 find 限制深度然后 xargs/parallel 删，感觉还是性能不满意，不说 10 分钟删完，至少写入时间的 2~3 倍内删完吧。我写入大概只要 10 分钟。

@RobinHuuu
@cnleon
@ho121 可惜没权限挂载硬盘。


@lrh3321 我也考虑过建个文件表。这样性能会比 find 直接删文件夹好么？这样可以考虑用 mpi 来删倒是。

[wenxueywx]

我也推荐#1 的方法

[a7851578]

需要都保留吗？不需要的话根据时间间隔删。
需要全部放一起吗？不需要的话分 N 个文件夹慢慢删
tar 不能做压缩

[BeautifulSoap]

确实路过问一下，为什么 linux 删除一个目录只能一个个删掉目录下文件，而不是直接把目录对应的 node 直接删了，这样所有文件不就失去索引相当于被删了吗
如果我不在乎数据安全之类的只追求快速删目录，有办法直接把目录的 node 干掉吗？

[julyclyde]

你这个需求可能有问题
如果有删除掉需求，那么创建的时候就应该面向删除做优化

[ll26571]

@BeautifulSoap 最直接的一点，删目录得把其子文件所占用的空间全部释放掉，这里其实有个容易混淆的点就在于，这个目录下面假设有两个 1g 的.txt 文件，那么从上层视角来看，这个目录占了 2g ，但真实情况是，这个目录本身可能只占用了 2 个块（ inode 占一个块，dentry table 占一个块），也就是 8KB 而已。因此，如果你不去遍历下面的子文件，而是只拿掉这个目录本身，那意味着最多只能回收 8KB ，而下面的那两个 1g 的 txt 所占用的块你怎么回收？

[yang0327519]

//创建并挂载虚拟磁盘
fallocate -l 10G t.img && mkfs.ext4 t.img && mkdir /tmp/TestMountPoint && mount -o loop t.img /tmp/TestMountPoint

//用完删除
umount /tmp/TestMountPoint && rm -f t.img

[mayli]

@juniorzhou 感觉目前应该没啥更优的解法了，普通的文件系统可能要删更久，大部分文件系统都没有对删除一堆小文件做特殊优化，每个删除都是个复杂的原子操作。除非你可以不走 linux 的文件系统，直接调用某些 gpfs 的某些接口。

[Jirajine]

@BeautifulSoap btrfs subvolume 可以当目录用，删就是整个删，一次操作完成。因为 vfs 需要支持各种文件系统的实现，一个远程挂载的共享你怎么“直接把目录对应的 node 干掉”？

[zhixi]

@syncake rsync 在 ext4 这样的文件系统上快，在 GPFS 上真不一定能跑过 parallel

[tianice]

如果需要频繁的创建、删除，是不是可以直接修改，别再删了😄️

[lucasj]

可以试试 find + -delete ，我感觉挺快的
find . -type f -name "{file_pattern}" -delete

[lucasj]

并行删除不一定比顺序删除快，因为瓶颈在文件 I/O 操作。

"The I/O bound is the limiting factor (CPU, disk and memory utilisation was very low) and parallelisation just adds some overhead (in the simple case)."

[zlowly]

@lucasj 附议
我的实践经验也是 find 的 -delete 参数比 xargs 并行删除要快得多

[LJason]

歪个楼，Linux 不知道，但我在 Win 下这么搞：
Get-ChildItem -Recurse "PATH" | Remove-Item -Force -Recurse

比单纯 Remove-Item -Force -Recurse "PATH" 快很多

[julyclyde]

@ll26571 fsck 回收。哈哈哈哈

[zsj1029]

rm -rf node_modules
想不到更快的了，这个比 win 删除可快多了
即便是在 win 下，用 git bash rm 也比 win 点删方便快速

[lolizeppelin]

不要删 移送到回收站
定期清理回收站

[ETiV]

楼上有提到过，find 有个 -delete 参数，可以试一下

[leetom]

我记得看过一个测试，大多数情况下都是 rm 最快，比 rsync find 之类快多了，毕竟专门干这个的。

上面说的 qcow2 是个好方案，不一定非要 root 权限，可以丢到虚拟机里操作

[jpuyy]

有没有可能一个程序把很多文件内容清空，另一个进程来删文件？

[sunqb]

有个思路，直接改文件系统的索引

[sendi]

https://www.yuque.com/wangsendi/linux/ryil60rq7kouuto7
有写过笔记

[juniorzhou]

@a7851578 是的，我知道 tar 不能压缩，我只是为了把小文件打包而已，硬盘容量足够大，1~2PB 呢。

@julyclyde 可惜运行的是一个比较大且老旧的程序，比较难改了。而且为了删文件去改好像也不值当。

@mayli 赞同。我去查查 gpfs 的手册吧。

@tianice 创建新的比修改旧的快的多的多，而且也节省计算资源，没理由去修改啊。

@lucasj 我这里 IO 应该不是瓶颈，并行删除肯定是更快的。就是想问问有没有什么更高效的删除操作。

@zsj1029 rm 单线程删除的确还行，可惜本身不支持多线程，我现在其实就是多开 rm 。

[Hf1G1sGBYS8QSLN8]

我问了一下 GPT-4o,感觉答案挺靠谱的。

[P0P]

删除卡在元数据操作，线程高了估计也没太大帮助。
如果能改代码，把文件操作变为操作一个大文件不同 offset ，最后把大文件删除即可。

[MrKrabs]

那你用 unlink 嘛，多少能快点

[julyclyde]

@P0P offset ？是不是可以 loopback ？

[realpg]

自己搞个 file system 是最省事的办法