Linux du 命令深度解析：从磁盘占用统计到目录空间分析

du 的核心原理:递归遍历 block 计数du的本质是统计文件占用的磁盘块数量,而不是文件大小。这两者有微妙但重要的区别。底层实现通过stat()系统调用获取每个文件的st_blocks字段:// 简化版 du 实现核心逻辑#includesys/stat.h#includedirent.hoff_tcalculate_usage(constchar*path){structstatst;if(lstat(path,st)0)return0;// 目录递归遍历if(S_ISDIR(st.st_mode)){DIR*diropendir(path);structdirent*entry;off_ttotal0;while((entryreaddir(dir))!NULL){if(strcmp(entry-d_name,.)0||strcmp(entry-d_name,..)0)continue;charfullpath[PATH_MAX];snprintf(fullpath,sizeof(fullpath),%s/%s,path,entry-d_name);totalcalculate_usage(fullpath);}closedir(dir);returntotal512;// 目录本身占用 1 个 block}// 文件:返回块数 * 512 字节returnst.st_blocks*512;}关键细节:st_blocks 是块数,不是字节数:实际占用 st_blocks * 512稀疏文件处理:一个 10GB 的稀疏文件可能只占用几个块目录本身占用:每个目录至少占用 4KB(一个 block)常用参数详解1.-h人类可读格式 Human-Readable Formatdu-h/var/log# 4.0K /var/log/apt# 12M /var/log/journal# 128M /var/log实现原理:遍历单位数组,找到最合适的单位:functionhumanReadable(bytes:number):string{constunits[B,K,M,G,T,P]leti0while(bytes1024iunits.length-1){bytes/1024i}return${bytes.toFixed(1)}${units[i]}}2.-s只显示总计du-sh/home/user# 2.5G /home/user跳过递归输出,只返回顶层统计。3.--max-depth控制层级du-h--max-depth1/var# 4.0K /var/tmp# 12M /var/log# 128M /var/lib# 145M /var这对于快速定位大目录非常有用。4.-a显示所有文件默认du只统计目录,-a让它也输出每个文件:du-ah/tmp# 4.0K /tmp/test.txt# 8.0K /tmp/data.json# 12K /tmp5.--exclude排除特定文件du-h--exclude*.log/vardu-h--excludenode_modules/home/user/project支持通配符,可以多次使用排除多种模式。实战场景与性能优化场景 1:定位大目录du-h--max-depth1/var|sort-hr# 145M /var# 128M /var/lib# 12M /var/log# 4.0K /var/tmpsort -hr按人类可读格式逆序排序,一眼看出最大的目录。场景 2:排除特定目录du-sh--excludenode_modules--exclude.git~/projects/*统计项目目录时排除依赖和版本控制目录,避免干扰。场景 3:查找大文件结合find使用:find/var-typef-size100M-execdu-h{}\;或者直接用du:du-ah/var|grep-E^[0-9.]G场景 4:监控目录增长watch-n60du -sh /var/log每分钟检查/var/log的空间占用,适合监控日志增长。性能考量1. 大目录遍历优化du遍历整个目录树,对于百万文件的目录会很慢。几个优化思路:–one-file-system:不跨文件系统,避免遍历挂载点–threshold:只显示超过指定大小的目录,减少输出并行处理:GNU parallel 并行统计子目录# 并行统计子目录find/var-maxdepth1-typed|paralleldu-sh2. 硬链接处理du默认会多次计数硬链接。使用-l参数只计数一次:du-lh/path/to/directory3. 缓存问题频繁运行du会影响文件系统缓存。可以用nocache命令避免:nocachedu-sh/large/directory与 df 的区别很多人混淆du和df:df:文件系统级别的空间统计,读取 superblockdu:目录/文件级别的空间统计,遍历目录树典型差异场景:df-h/var# Filesystem Size Used Avail Use% Mounted on# /dev/sda1 50G 45G 5.0G 90% /du-sh/var# 35G /var为什么df显示 45G,du只有 35G?已删除但仍被占用的文件:进程打开的文件被删除后,空间不会立即释放预留空间:ext4 默认预留 5% 给 root元数据开销:inode 表、journal 等查找已删除但仍被占用的文件:lsofL1|grepdeletedWeb 实现:浏览器端目录统计通过 File System Access API,可以在浏览器中实现类似功能:asyncfunctioncalculateDirectorySize(dirHandle:FileSystemDirectoryHandle):Promisenumber{lettotalSize0forawait(constentryofdirHandle.values()){if(entry.kindfile){constfileawaitentry.getFile()totalSizefile.size}elseif(entry.kinddirectory){constsubDirHandleawaitdirHandle.getDirectoryHandle(entry.name)totalSizeawaitcalculateDirectorySize(subDirHandle)}}returntotalSize}// 使用示例constdirHandleawaitwindow.showDirectoryPicker()constsizeawaitcalculateDirectorySize(dirHandle)console.log(Total size:${formatBytes(size)})注意:浏览器 API 统计的是文件大小,不是磁盘块数,与原生du有差异。常见陷阱1. 权限不足du会跳过无权限的目录,统计结果可能不完整:du: cannotreaddirectory/root:Permission denied使用sudo获取完整统计。2. 符号链接默认du不跟随符号链接。使用-L参数跟随:du-Lh/path/to/symlink3. 稀疏文件误判# 创建稀疏文件ddif/dev/zeroofsparse.imgbs1count0seek10Gls-lhsparse.img# -rw-r--r-- 1 user user 10G May 9 22:00 sparse.imgdu-hsparse.img# 0 sparse.img # 实际占用为 0ls显示文件大小,du显示磁盘占用。总结du命令虽然简单,但背后的设计蕴含了 Unix 哲学:专注做一件事,并把它做好。从 block 计数到递归遍历,从硬链接处理到稀疏文件支持,每个细节都经过精心设计。下次遇到磁盘空间问题,不妨试试这些组合:# 快速定位大目录du-h--max-depth1|sort-hr|head-10# 排除干扰项du-sh--excludenode_modules--exclude.git*# 监控目录增长watch-n60du -sh /var/log希望这篇对你理解du命令有帮助。更详细的命令参数可以查看: Linux du 命令参考相关工具:Linux df 磁盘空间监控 | 文件大小转换器