介绍
零售商收到了一份商品文件。一位同事需要审核副本，另一位需要归档版本，而你需要下载审核后的文件进行检查。如果这些操作意外替换或删除了原件，团队就会失去可信的输入。
文件的生命周期是它经历的一系列操作：接收、使用、归档、导出，直至最终删除。HDFS 为各项操作提供了命令，但它们的作用不同。上传和下载在文件系统之间复制数据；HDFS 内的复制和移动则始终在 HDFS 内完成。
你将分别建立 raw、archive 和 scratch 目录，保留原始文件，导出归档，并只删除可丢弃的副本。你已了解 HDFS 路径和上传、读取命令；本实验将进一步学习谨慎地管理文件。环境和数据独立于之前的实验。全程使用终端完成操作。
保留原始输入
在这一步中，你将把零售商的输入上传到专门保存原始文件的目录。
raw（原始）文件是以原样保留的输入。独立的 scratch（临时工作）目录保存临时内容，archive（归档）目录则保存需要保留的副本。目录名称不会自动强制实施这些规则，但能清楚表达用途。
先进入本地工作目录：
cd /home/labex/project
存储输入之前，先读取它：
cat /home/labex/project/data/products.txt
内容如下：
notebook pen notebook
folder pen
notebook folder
为 -mkdir -p 提供三个目录路径。HDFS 会创建每个指定目录，以及所有缺失的父目录：
hdfs dfs -mkdir -p /user/labex/file-lifecycle/raw /user/labex/file-lifecycle/archive /user/labex/file-lifecycle/scratch
将本地输入上传到 raw 目录：
hdfs dfs -put /home/labex/project/data/products.txt /user/labex/file-lifecycle/raw/products.txt
上传成功时通常没有输出。如果重复上传，目标已存在的错误会保护已存储的文件，避免意外覆盖。此时应检查存储的输入，而不是为了消除错误而删除它：
hdfs dfs -cat /user/labex/file-lifecycle/raw/products.txt
文本应该与本地原件相同。本地文件系统中的原件也仍然存在：-put 复制本地源文件，并不移动它。后续将使用副本进行操作，让这份原始输入保持完整。
在 HDFS 内复制和归档
在这一步中，你将创建审核副本，再将该副本移动到归档目录，同时保留原始输入的位置。
-cp 操作将 HDFS 源文件复制到 HDFS 目标位置。与 -put 不同，下面的两个路径都属于 HDFS：
hdfs dfs -cp /user/labex/file-lifecycle/raw/products.txt /user/labex/file-lifecycle/scratch/review.txt
查看审核副本：
hdfs dfs -cat /user/labex/file-lifecycle/scratch/review.txt
你应该看到相同的商品标签。不同的文件名仍代表同一份数据，并不是新的销售批次。
审核副本准备好保留后，使用 -mv 移动它。在同一个文件系统内移动会改变路径，原来的源路径将不再存在。运行命令之前，预测哪个文件会消失，哪个会保留：
hdfs dfs -mv /user/labex/file-lifecycle/scratch/review.txt /user/labex/file-lifecycle/archive/products-reviewed.txt
同时列出 scratch 和 archive 目录。-ls 可以接受多个路径：
hdfs dfs -ls /user/labex/file-lifecycle/scratch /user/labex/file-lifecycle/archive
归档条目应以 /archive/products-reviewed.txt 结尾；scratch 中不应再有 review.txt 条目。确认原始文件未受影响：
hdfs dfs -cat /user/labex/file-lifecycle/raw/products.txt
它的三行内容应该仍然相同。如果完成后又回到这一步，请检查现有归档，不要重新执行这组复制和移动命令：-mv 已经移走了 scratch 中的源文件，也不应随意覆盖已有归档。
导出并统计文件
在这一步中，你将下载归档文件，并查看文件数量和存储用量。
-get 操作将 HDFS 源文件复制到本地目标位置。下面第一个路径属于 HDFS，第二个属于本地：
hdfs dfs -get /user/labex/file-lifecycle/archive/products-reviewed.txt /home/labex/project/output/products-exported.txt
命令应不输出内容，直接返回提示符。如果已经完成下载，请查看本地目标文件；再次下载到已有文件时，可能会提示文件已存在。与第一个实验一样，使用本地 diff 检查内容：
diff /home/labex/project/data/products.txt /home/labex/project/output/products-exported.txt
应该没有差异输出。这是一份导出的副本：HDFS 归档和本地原件都仍然存在。
要统计目录内容，可以使用 -count。它依次输出目录数、文件数、以字节为单位的内容大小和路径。目录数包含指定目录本身：
hdfs dfs -count /user/labex/file-lifecycle/raw /user/labex/file-lifecycle/archive
每行都应表示一个目录，其中包含一个文件。两行的内容大小应该相同，因为归档的字节与原始文件相同。保存实际输出的行：
hdfs dfs -count /user/labex/file-lifecycle/raw /user/labex/file-lifecycle/archive > /home/labex/project/output/file-counts.txt
-du 操作汇总文件大小。-h 会在合适时使用便于阅读的单位：
hdfs dfs -du -h /user/labex/file-lifecycle/raw
各列分别显示内容大小、计入副本后的占用空间和路径。本环境的副本数为 1，因此该文件的两个大小列应该一致。后续实验将介绍块和副本；在其他环境中，第二列更大，并不一定意味着多出了业务记录。
继续之前，试着解释各项操作的边界：-cp 始终在 HDFS 内操作，-mv 改变 HDFS 路径，-get 则创建本地副本。
只删除可丢弃的副本
在这一步中，你将检查删除策略，并删除一个已知的临时文件，同时保留输入和归档。
删除是一种不同的操作：文件不再需要时，可以移除其路径。HDFS 可以设置 Trash（回收站）保留策略，但使用 HDFS 并不意味着删除后一定能恢复。先读取已配置的回收站保留间隔，单位为分钟：
hdfs getconf -confKey fs.trash.interval
预配置环境使用 0，表示未启用回收站保留。请将这里的删除视为立即移除。在其他环境中，正数会启用相应保留间隔，但仍不能替代妥善保留可信输入。
创建一个仅用于练习删除的副本：
hdfs dfs -cp /user/labex/file-lifecycle/raw/products.txt /user/labex/file-lifecycle/scratch/disposable.txt
删除之前，先列出确切的目标：
hdfs dfs -ls /user/labex/file-lifecycle/scratch/disposable.txt
检查路径是否以 scratch/disposable.txt 结尾，而不是 raw/products.txt 或归档路径。-rm 操作删除指定文件。这里不需要递归删除，也不需要通配符：
hdfs dfs -rm /user/labex/file-lifecycle/scratch/disposable.txt
命令会报告指定文件已被删除。重复执行会报告文件不存在；这时应检查当前状态，不要扩大删除目标。列出 scratch，确认没有剩余临时文件：
hdfs dfs -ls /user/labex/file-lifecycle/scratch
空目录不会产生文件条目。最后，查看必须保留的两个文件：
hdfs dfs -ls /user/labex/file-lifecycle/raw/products.txt /user/labex/file-lifecycle/archive/products-reviewed.txt
两个路径都应该列出。你在完整保留原件的情况下完成了文件生命周期操作：上传、复制、归档、导出、统计，并只删除临时工作文件。
总结
你在保持原始数据完整的同时，创建了审核副本，将该副本移动到归档目录，再导出到本地文件系统。你还解读了文件数量和存储大小，检查了回收站设置，并只删除了明确指定的可丢弃文件。
接下来，你将把这些习惯应用到包含多个文件的每日批次中。知道哪些文件属于某个批次，与知道如何上传它们同样重要。
