服务器磁盘高占用排查

本博客用来记录在服务器上发现 /home 存储空间异常占用后，如何排查每个用户的空间使用情况，以及如何快速找出当前目录（包含隐藏文件夹）下最大的前 10 个文件。

服务器 /home 目录高占用，如何排查？

最近在一台多用户服务器上发现 /home 目录几乎被占满，一查竟然使用了 915G！由于我们已经把大部分大型数据集额外存放到其他挂载点，按理说 /home 目录不应该有如此大的占用。服务器上有多个用户共同使用，因此需要先统计各个用户的主目录所占用的空间，确认究竟是谁的文件占据了硬盘。

1. 查看各个用户在 /home 目录下占用的空间

如果每位用户在 /home 下都有各自的独立目录（如 /home/alice, /home/bob, 等），可以使用 du -sh 命令来查看每个子目录的总大小。示例命令如下：

需要使用管理员root权限

du -sh /home/*

• du：显示文件或目录占用的磁盘空间。
• -s：只显示汇总（summary）而不是详细列出所有子文件。
• -h：以人类可读的方式显示，如 K、M、G 等。

执行后，会得到类似下面的输出：

47G     /home/AAA
579G    /home/BBB
19G     /home/CCC
...

一眼就能看到 /home/BBB 目录下使用了 579G，这显然非常异常，也就找到了我们要重点排查的用户。

注意：如果 /home 下的用户目录并不是直接 /home/用户名，而是有其他命名方式或层级，需要根据实际目录结构修改 du 命令的路径和匹配方式。

2. 在大目录下进一步排查：找出最大的文件与最大的文件夹

2.1 找到当前目录（含子目录）下「最大的 10 个文件」

进入要排查的目录，比如 /home/zhanyong：

cd /home/zhanyong
find . -type f -exec du -h {} + 2>/dev/null | sort -hr | head -n 10

• find . -type f：递归查找当前目录及子目录的所有普通文件，包括隐藏文件、隐藏文件夹中的文件。
• -exec du -h {} +：对找到的文件执行 du -h 获取大小并以可读形式显示。
• 2>/dev/null：忽略无权限访问等报错信息。
• sort -hr：将结果按照数值降序（-r）排列，并以人类可读形式（-h）进行比较。
• head -n 10：只列出最大的 10 个文件。

输出示例：

root@532lab:/home/zhanyong# find . -type f -exec du -h {} + 2>/dev/null | sort -hr | head -n 10
12G     ./.local/share/Trash/files/split_radioML2018_tools/data/Constellation_k2000_dim64.npy
5.9G    ./.local/share/Trash/files/split_radioML2018_tools/data/Constellation_k2000_dim32.npy
3.3G    ./.local/share/Trash/files/split_radioML2018_tools/data/Mutil_SNR_6_k1000_dev.npy
2.2G    ./.local/share/Trash/files/split_radioML2018_tools/data/Mutil_SNR_6_k2000.npy
2.2G    ./.local/share/Trash/files/split_radioML2018_tools/data/Mutil_SNR_12_k2000.npy
1.5G    ./.local/share/Trash/files/split_radioML2018_tools/data/Constellation_k1000_dim64_64_4.npy
1.2G    ./.local/share/Trash/files/split_radioML2018_tools/data/Constellation_k200_dim64_64_16.npy
1.2G    ./anaconda3/pkgs/pytorch-1.11.0-py3.8_cuda11.3_cudnn8.2.0_0/lib/python3.8/site-packages/torch/lib/libtorch_cuda_cpp.so
1.2G    ./anaconda3/envs/tensorflow_zhanyong/lib/python3.8/site-packages/tensorflow/python/_pywrap_tensorflow_internal.so
1.1G    ./.local/share/Trash/files/split_radioML2018_tools/data/Mutil_SNR_6_k1000.npy

借此，你可以快速定位哪些文件最占空间，从而决定是否清理、迁移或做其他处理。

2.2 找出当前目录下「最大的 10 个文件夹」（含隐藏文件夹）

如果想按目录来排查，看哪些文件夹才是“元凶”，可以在同一目录下使用：

find . -mindepth 1 -type d -exec du -sh {} + 2>/dev/null | sort -hr | head -n 10

• -mindepth 1：避免把 . 当前目录本身也列进去（如果你不介意，可去掉该选项）。
• -type d：只关注目录（包括隐藏目录）。
• -exec du -sh {} +：对每个目录做汇总，-s 参数会递归统计子目录的大小总和，并以可读形式显示。
• 2>/dev/null：同样忽略无权限的报错。
• sort -hr | head -n 10：按照大小降序列出前 10 个“最重”的目录。

这样就能快速看到哪几个目录是最大的，例如：

root@532lab:/home/zhanyong# find . -mindepth 1 -type d -exec du -sh {} + 2>/dev/null | sort -hr | head -n 10
43G     ./.local
37G     ./anaconda3
24G     ./anaconda3/envs
18G     ./anaconda3/pkgs
11G     ./anaconda3/envs/pytorch_zhanyong
8.2G    ./anaconda3/envs/meta-tts/lib/python3.8
7.4G    ./anaconda3/envs/pytorch_zhanyong/lib/python3.8
4.7G    ./anaconda3/envs/tensorflow_zhanyong
4.0G    ./anaconda3/envs/tensorflow_zhanyong/lib
3.9G    ./.cache
root@532lab:/home/zhanyong# 

然后就可以进一步深入清理、删减或迁移这些大体量的目录。

2.3 如果只想查看当前目录单层（不递归）的目录大小

有时我们只想看第一层子目录的大小，而不必深入子目录统计，可以使用：

du -h --max-depth=1 2>/dev/null | sort -hr | head -n 10

• --max-depth=1：只统计第一层目录的空间占用（包含隐藏目录，但要注意 du 默认不会匹配 . 开头的名称；想要一并显示隐藏目录，可以改用 du -h --max-depth=1 .* * 等，但可能出现“找不到文件”的警告，可以用 2>/dev/null 过滤）。
• sort -hr 和 head -n 10：依然是从大到小只显示前 10 行。

root@532lab:/home/zhanyong# du -h --max-depth=1 2>/dev/null | sort -hr | head -n 10
87G     .
43G     ./.local
37G     ./anaconda3
3.9G    ./.cache
1.1G    ./.nv
857M    ./RadioML
168M    ./node-v20.17.0-linux-x64
36M     ./.linuxmint
15M     ./.ipython
6.8M    ./.deepface

3. 小结

1. 定位大用户目录

   • 在 /home 目录下使用 du -sh /home/* 来确定哪个用户占用最多空间。

2. 深入到用户目录排查

   • 找最大文件

     find . -type f -exec du -h {} + 2>/dev/null | sort -hr | head -n 10
     

   • 找最大文件夹

     find . -mindepth 1 -type d -exec du -sh {} + 2>/dev/null | sort -hr | head -n 10
     

3. 针对性清理

   • 根据实际业务需求，清理无用的大文件或目录，以腾出空间。

通过以上方法，就能快速找到 /home 中最大的“空间吞噬者”，避免磁盘被塞满导致系统或科研任务无法正常进行。尤其在科研或开发环境中，定期查看和清理不需要的历史文件是维护服务器健康的好习惯。希望这篇记录能帮你高效管理和优化磁盘空间！