HBase删除数据

hbase官方文档中描述了，hbase删除数据可以总结为下面三种（Java API有很多接口，可以总结下面的几种）：

1. 删除一个列的指定版本
2. 删除一个列的所用版本
3. 删除指定列族的所有列

hbase删除数据，并不是马上删掉，只是对数据打一个删除标记，真正删除数据是等到下一次major_compact（除非KEEP_DELETED_CELLS=true）。当删除整行时，hbase会给这条数据每个列族打一个删除标记。有两个需要注意的地方：

1. major_compact之前和之后，查询结果不一样，具体看例子：

public class DeleteExample {

  public static void main(String[] args) throws IOException {
      
      Configuration conf = HBaseConfiguration.create();
      Connection connection = ConnectionFactory.createConnection(conf);
      
      Admin admin = connection.getAdmin();
      if(admin.tableExists(TableName.valueOf("test2"))){
          admin.disableTable(TableName.valueOf("test2"));
          admin.deleteTable(TableName.valueOf("test2"));
      }

      HTableDescriptor desc = new HTableDescriptor(TableName.valueOf("test2"));
      HColumnDescriptor coldef = new HColumnDescriptor("cf");
      coldef.setMaxVersions(2);
      desc.addFamily(coldef);
      admin.createTable(desc);
      
      Table table = connection.getTable(TableName.valueOf("test2"));
      
      Put put1 = new Put(Bytes.toBytes("r1"));
      put1.addColumn(Bytes.toBytes("cf"), Bytes.toBytes("c1"), 1, Bytes.toBytes("value1"));
      table.put(put1);
      
      Put put2 = new Put(Bytes.toBytes("r1"));
      put2.addColumn(Bytes.toBytes("cf"), Bytes.toBytes("c1"), 2, Bytes.toBytes("value2"));
      table.put(put2);
      
      Put put3 = new Put(Bytes.toBytes("r1"));
      put3.addColumn(Bytes.toBytes("cf"), Bytes.toBytes("c1"), 3, Bytes.toBytes("value3"));
      table.put(put3);
      
      //Delete delete = new Delete(Bytes.toBytes("r1"));
      //delete.addColumn(Bytes.toBytes("cf"), Bytes.toBytes("c1"), 2);
      //table.delete(delete);
      
      
      table.close();
  }
}

上述代码中，创建了test2，并设置列族cf的最大版本数据2，然后先后添加了3个版本的单元格，这是从shell中可以查看数据，如下：

hbase(main):035:0> get 'test2','r1',{COLUMN => 'cf:c1',VERSIONS => 2}
COLUMN                  CELL                                                            
 cf:c1                  timestamp=3, value=value3                                       
 cf:c1                  timestamp=2, value=value2                                       

然后，修改java代码，注释掉建表以及添加数据的代码，增加一个delete操作，指定版本时间戳为2（或者3），执行后，再从shell中查看数据，如下：

hbase(main):033:0> get 'test2','r1',{COLUMN => 'cf:c1',VERSIONS => 2}
COLUMN                  CELL                                                            
 cf:c1                  timestamp=3, value=value3                                       
 cf:c1                  timestamp=1, value=value1    

可以发现，版本1复活了，这是由于服务器把内部处理推迟了，该列的老版本数据仍然存在，删除较新的版本（2）会使它们再次查询到。

如果，在添加数据之后，做下flush和major_compact，然后再做删除操作，查询结果如下：

hbase(main):036:0> flush 'test2'
0 row(s) in 0.5280 seconds

hbase(main):037:0> major_compact 'test2'
0 row(s) in 0.3760 seconds

hbase(main):038:0> get 'test2','r1',{COLUMN => 'cf:c1',VERSIONS => 2}
COLUMN                  CELL                                                            
 cf:c1                  timestamp=3, value=value3                                       
1 row(s) in 0.0100 seconds

可以发现，版本1在合并之后，已经被删除了（因为这时已经有2个版本了，达到了设置的最大版本数据），之后再删除版本2，只能查询出版本3了

另外，如果major_compact是在删除版本2之后做的，那么最后查询的数据仍然为版本1和版本3，我理解这是因为列族设置的最大版本数据为2，所以hbase会保留2个版本

2.删除会屏蔽时间戳靠前的put操作，例子如下：

hbase(main):047:0> create 'test6',{NAME=>'f1',VERSIONS=>3}
0 row(s) in 1.2500 seconds

=> Hbase::Table - test6
hbase(main):048:0> put 'test6','r1','f1:c','val',1
0 row(s) in 0.0140 seconds

hbase(main):049:0> put 'test6','r1','f1:c','val',3
0 row(s) in 0.0080 seconds

hbase(main):050:0> put 'test6','r1','f1:c','val',5
0 row(s) in 0.0030 seconds

hbase(main):051:0> get 'test6','r1',{COLUMN => 'f1:c',VERSIONS => 3}
COLUMN                  CELL                                                            
 f1:c                   timestamp=5, value=val                                          
 f1:c                   timestamp=3, value=val                                          
 f1:c                   timestamp=1, value=val                                          
3 row(s) in 0.0080 seconds

hbase(main):052:0> delete 'test6','r1','f1:c',3
0 row(s) in 0.0090 seconds

hbase(main):053:0> get 'test6','r1',{COLUMN => 'f1:c',VERSIONS => 3}
COLUMN                  CELL                                                            
 f1:c                   timestamp=5, value=val                                          
1 row(s) in 0.0040 seconds

hbase(main):054:0> put 'test6','r1','f1:c','val',2
0 row(s) in 0.0100 seconds

//get操作没有查询到版本2
hbase(main):055:0> get 'test6','r1',{COLUMN => 'f1:c',VERSIONS => 3}
COLUMN                  CELL                                                            
 f1:c                   timestamp=5, value=val                                          
1 row(s) in 0.0080 seconds

hbase(main):056:0> flush 'test6'
0 row(s) in 0.5280 seconds

hbase(main):057:0> major_compact 'test6'
0 row(s) in 0.3280 seconds

hbase(main):058:0> get 'test6','r1',{COLUMN => 'f1:c',VERSIONS => 3}
COLUMN                  CELL                                                            
 f1:c                   timestamp=5, value=val                                          
1 row(s) in 0.0070 seconds

//做完major_compact之后，在PUT，可以查询对应的版本数据
hbase(main):059:0> put 'test6','r1','f1:c','val',2
0 row(s) in 0.0110 seconds

hbase(main):060:0> get 'test6','r1',{COLUMN => 'f1:c',VERSIONS => 3}
COLUMN                  CELL                                                            
 f1:c                   timestamp=5, value=val                                          
 f1:c                   timestamp=2, value=val                                          
2 row(s) in 0.0050 seconds

在hbase shell中，指定时间戳T删除列时，会删除所有时间戳小于T的版本；

java api中 :delete.addColumn(Bytes.toBytes("cf"), Bytes.toBytes("c1"), 3)，是只删除指定的版本