# 旧复核中间文件的空间清理

## 范围

用户要求统计过期review等中间结果，并删除其中主要占用空间的元素。
本次只处理旧 `review_round_*`、`audit_review_round_*`、`full_review_*`、
`review_v3`、`review_paired_v5`、`review_paired_missing_v5` 和 `conflict_review_train_v5` 中的可恢复派生文件。

清理前，上述旧复核目录合计约8.81 GiB，占 `outputs/` 约3.76%；
其中旧轮次/配对复核约7.50 GiB，全量复核约1.31 GiB。
验证目录另约0.74 GiB，包含人工数据库快照和验收证据，不因名字包含validation就当作可丢弃数据。
实际字节及百分比以本次审计 `plan.json` 和 `result.json` 为准。

本次冻结计划SHA-256为 `d4f22ea86e0126d933be36a90a89a3af042b865ae99c54b5de39cee080752746`：
1,857份逐字节重复NPZ与44,510张可按原哈希重建的预览，共46,367个文件、约5.27 GiB。
847份没有同长度主缓存的NPZ、4份打开/直接引用/硬链接候选、1份非允许缓存源条目被跳过；
跳过计数按生成器检查事件统计，不把它们直接相加当作不同文件数。
10,679份其它旧复核文件以内容哈希保护，三个在线人工数据库以逻辑指纹保护，
72,667份正式数据文件以路径/stat身份保护。
计划本身不是已完成删除的声明，实际删除与释放空间以 `result.json` 为准。

## 本次完成结果

本次 `result.json` 状态为 `passed`：实际删除46,367个派生文件，移除占用5,656,928,256字节（5.2684 GiB）。
删除执行阶段实测文件系统可用空间增加5.2565 GiB；审计清单和日志自身也占空间，不能把移除文件的字节数当作净释放量。
最终复核时可用空间约14.43 GiB，旧复核目录从8.8055 GiB降至3.5371 GiB，移除其原占用约59.83%。

删除后全部46,367项缺失检查与逐项journal核对通过；1,857份缓存和44,510张预览数量一致。
10,679份保留的旧复核文件内容哈希不变，三个在线人工库逻辑指纹及全部配置哈希不变，
72,667份正式数据文件路径/stat身份不变；10,733份不同恢复源已再次验证字节哈希。
位姿、图库、结构三个在线服务的 `/healthz` 均返回HTTP 200。
没有删除检查点、交付包、原始图像或PCD，没有改写人工数据库。

## 允许删除的两种文件

1. `cache/*.npz`：必须与保留的 `outputs/cache_v5/frames/` 中对应文件长度及SHA-256完全一致。
   不是只比较文件名、数组形状或近似像素；不同原始字节一律保留。
2. `views/<frame哈希>/{intensity,depth,validity}.png`：从保留的NPZ按原生预览算法在内存重建，
   只有重建PNG的完整SHA-256与现存PNG一致时才可删除。
   绘制标签的图片、截图、手工修改图、原图、PCD和其它名称的文件不在清理白名单中。

对已被源码、文档或配置直接引用的具体预览、正在被进程打开的文件、符号链接、硬链接均跳过。
所有恢复来源必须仍保留，不允许使用另一个待删除文件作为恢复源。

## 不删除或改写

- 全部人工原始复核、任务、绑定、版本标签JSON/JSONL、拒绝记录和仲裁历史；
- 在线位姿、图库、结构人工数据库及其所有逻辑行；
- 当前在线资源、配置、正式数据和正式划分；
- 数据源图像/PCD、模型检查点、交付ZIP及旧版规范对象；
- 所有验证目录中的原始数据库快照与验收证据。

`cache_v5` 仍被当前索引引用，所以只删旧review里的逐字节冗余副本，不删共享主缓存。
v4的 `last.pt` 仍参与续训和历史校验，本次没有获得丢弃这些能力的授权，不纳入清理。

## 执行及审计

入口：`scripts/cleanup_legacy_review_intermediates.py`。

```bash
# 生成新计划；目录必须不存在，此阶段不删除任何文件
PYTHONDONTWRITEBYTECODE=1 OPENBLAS_NUM_THREADS=1 OMP_NUM_THREADS=1 \
  .venv/bin/python scripts/cleanup_legacy_review_intermediates.py plan \
  --directory outputs/pallet_review_intermediate_cleanup_v1

# 只有完整计划已核对后才执行，传入打印出的精确SHA-256
PYTHONDONTWRITEBYTECODE=1 OPENBLAS_NUM_THREADS=1 OMP_NUM_THREADS=1 \
  .venv/bin/python scripts/cleanup_legacy_review_intermediates.py apply \
  --directory outputs/pallet_review_intermediate_cleanup_v1 \
  --plan-sha256 <plan.json的SHA-256>
```

计划绑定清理代码、NumPy/Pillow版本、每个目标原始哈希/元数据及恢复源哈希。
删除前后逐文件内容校验所有保留的旧复核文件，校验全部配置哈希、三个人工库的只读逻辑指纹，
并检查正式数据所有文件的命名空间和stat身份一致。该正式数据检查不是新的一次全量内容字节审计；
清理代码本身不允许任何写操作进入正式数据命名空间。

只对清单内的具体文件逐个unlink，不执行广泛递归删除；每个删除项记录日志。
`plan.json`、`protection_before.json`、`deletion_journal.jsonl`、`preflight_passed.json` 和 `result.json` 保留在审计目录。
中途失败时保留日志和恢复计划，不将部分完成报告为全部成功。

## 需要重开旧复核页面时

旧页面引用的预览和本地缓存已清理，不能承诺旧页面无需恢复即可直接打开。
当前在线三个服务不使用这些旧派生路径，人工任务/复核/标签内容仍原样保留。

可从审计计划逐字节恢复，不覆盖已有不同内容：

```bash
PYTHONDONTWRITEBYTECODE=1 OPENBLAS_NUM_THREADS=1 OMP_NUM_THREADS=1 \
  .venv/bin/python scripts/cleanup_legacy_review_intermediates.py restore \
  --directory outputs/pallet_review_intermediate_cleanup_v1
```

恢复依赖所绑定的共享NPZ、清理代码及NumPy/Pillow版本；共享来源不得随后被当作垃圾删除。
为恢复全部文件需预留相应磁盘空间。恢复会重新验证每个原始文件SHA-256，不用大致相同的预览替代原文件。
