镝不咸1. 为什么需要计算文件总大小？
在日常Linux系统管理中，计算一组文件的总大小是个高频需求场景。想象你正在清理服务器磁盘空间，需要评估某个日志目录下所有.gz压缩包的总大小；或者作为开发者，你想知道项目node_modules目录到底占用了多少空间；又或者作为运维人员，需要统计某个用户家目录下所有视频文件的总存储量。这些场景下，单纯用ls -lh逐个查看文件大小再手动相加显然效率低下。
Linux系统自带的du（disk usage）命令就是为这类需求而生的利器。与ls命令显示的文件逻辑大小不同，du统计的是文件实际占用的磁盘块大小，这对存储空间管理更具参考价值。例如一个1字节的文件实际会占用4KB的磁盘块（取决于文件系统块大小），ls显示1B而du显示4K。
关键区别：
ls -l显示文件的逻辑大小（内容实际字节数），而du显示物理占用空间（考虑磁盘块分配的最小单位）。当文件数量多或存在大量小文件时，两者统计结果可能差异显著。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 基础命令解析：du的核心用法
2.1 基本语法与常用参数
du命令的标准调用格式为：
bash复制du [选项] [文件或目录...]
最实用的参数组合是-sh：
-s（--summarize）：只显示总计大小，不递归列出子目录-h（--human-readable）：以K/M/G等易读单位自动转换大小
例如计算当前目录总大小：
bash复制du -sh .
输出类似：
code复制4.8G .
若需统计多个指定文件/目录，直接并列路径参数：
bash复制du -sh /var/log/*.log
这将输出每个.log文件的大小，但不会自动求和。要获得总和，需要借助其他命令组合（见第3章）。
2.2 进阶实用参数
--apparent-size：显示逻辑大小（类似ls），而非磁盘占用-b/-k/-m/-B：强制以Bytes/KB/MB/指定块数为单位输出--time：显示最后修改时间--exclude="PATTERN"：排除匹配模式的文件-c：在最后一行显示总计（需与-s配合使用）
示例：统计/home下除.mp4文件外的总大小
bash复制du -sh --exclude="*.mp4" /home
3. 多文件统计：三种求和方法论
3.1 方法一：管道配合awk求和
当du输出多行结果时，用awk累加第二列数值：
bash复制du -sk /var/log/* | awk '{sum+=$1} END {print sum}'
输出纯数字结果（单位为KB）。如需人性化显示：
bash复制du -sk /var/log/* | awk '{sum+=$1} END {print sum/1024 "MB"}'
实测技巧：如果路径包含空格，需先设置
IFS环境变量：bash复制(IFS=$'\n'; du -sk /var/log/* | awk '{sum+=$1} END {print sum}')
3.2 方法二：find+xargs组合拳
对于分散在不同目录的文件，先用find定位再统计：
bash复制find /project -name "*.js" -type f -print0 | xargs -0 du -ch | tail -1
关键点：
-print0和-0处理含空格路径-c使du输出总计行tail -1提取最后的总计结果
3.3 方法三：数组遍历（Bash脚本）
在脚本中可先将文件存入数组再遍历计算：
bash复制files=(/path/to/files/*)
total=0
for f in "${files[@]}"; do
size=$(du -sk "$f" | cut -f1)
total=$((total + size))
done
echo "Total size: $((total/1024))MB"
性能对比：
| 方法 | 适用场景 | 执行速度 | 内存占用 |
|---|---|---|---|
| awk管道 | 文件数量少（<1000） | 快 | 低 |
| find+xargs | 深层目录/复杂过滤条件 | 中 | 中 |
| 数组遍历 | 需要后续处理单个文件大小 | 慢 | 高 |
4. 实战陷阱与避坑指南
4.1 权限不足导致的统计偏差
当部分子目录无读取权限时，du会输出"Permission denied"警告且不统计这些目录。这会导致结果小于实际占用空间。两种解决方案：
- 使用sudo提升权限（可能带来安全风险）：
bash复制sudo du -sh /var/*
- 通过
2>/dev/null忽略错误（结果仍不准确）：
bash复制du -sh /var/* 2>/dev/null
更安全的做法是先用find过滤可读目录：
bash复制find /var -type d -readable -exec du -sh {} +
4.2 符号链接引发的重复计算
默认情况下，du会跟踪符号链接统计实际文件大小。这可能导致：
- 循环引用引发无限递归
- 同一文件被多次统计
使用-P选项禁止跟踪符号链接：
bash复制du -Psh /path/with/links
或者用-L强制统计链接目标大小（慎用）：
bash复制du -Lsh /path/with/links
4.3 稀疏文件的特殊处理
稀疏文件（如虚拟机磁盘镜像）可能有"逻辑大小 ≠ 物理占用"的特性。例如：
code复制$ ls -lh sparse.img
-rw-r--r-- 1 user user 100G Jun 1 10:00 sparse.img
$ du -h sparse.img
2.1G sparse.img
此时--apparent-size参数就很有用：
bash复制du --apparent-size -sh sparse.img
5. 高阶应用场景
5.1 按大小排序文件
组合sort命令实现按大小降序排列：
bash复制du -sh /var/log/* | sort -rh
关键参数：
-r：逆序排列-h：识别人类可读大小（K/M/G）
5.2 定时监控目录增长
创建每日增长量监控脚本（保存为monitor_dir.sh）：
bash复制#!/bin/bash
target_dir="/var/log"
log_file="/tmp/dir_size.log"
current_size=$(du -sm "$target_dir" | cut -f1)
date_stamp=$(date "+%Y-%m-%d %H:%M:%S")
echo "$date_stamp,$current_size" >> "$log_file"
然后添加cron任务（每天0点执行）：
bash复制0 0 * * * /path/to/monitor_dir.sh
5.3 图形化显示磁盘使用
安装ncdu工具进行交互式分析：
bash复制sudo apt install ncdu # Debian/Ubuntu
ncdu /path/to/scan
典型输出：
code复制--- /var/log ---
4.8GiB [##########] /apache2
1.2GiB [## ] /nginx
800.3MiB [# ] /audit
6. 性能优化技巧
6.1 加速大目录统计
对于包含数百万文件的目录（如邮件服务器），常规du可能极慢。解决方案：
- 使用
--files0-from从文件列表读取（避免shell扩展）：
bash复制find /data -type f -print0 | du --files0-from=- -ch | tail -1
- 采用更快的
dust工具（Rust编写）：
bash复制cargo install du-dust
dust /large_dir
6.2 跳过特定文件系统
避免统计挂载的NFS/远程存储：
bash复制du -shx / # -x保持在同一文件系统
6.3 并行处理加速
使用GNU parallel工具并行计算：
bash复制find /data -type d | parallel -j 8 du -s {}
我在处理一个包含120万文件的备份目录时，上述方法将统计时间从18分钟缩短至2分钟。注意线程数（-j）应根据CPU核心数调整，通常设为核心数的1.5-2倍。