数据误删，跑路还是挽救？一种HBase数据误删后快速挽救方法

目 录

0 引 言

1 方法及原理

2 实 验

 3 小 结

---

0 引 言

   数据误删是一个老生常谈的问题，在不同的数据库中有不同的恢复策略，那么数据误删后如何第一时间抢救呢？以保证损失最小呢？。本文针对HBase数据库数据误删后进行分析，阐述了如果没有提前做好备份策略情况下，数据误删后，如何快速挽救的问题。文中分析了HBase中数据删除的基本原理，给出了如何在第一时间抢救方法，并进行了实验验证，读者可根据本文步骤进行尝试。

1 方法及原理

（1）方法

  设置 KEEP_DELETED_CELLS 为 True。其目的在于防止数据被物理删除。

（2）HBase清理数据的原理

• 当删除操作发生时，只是标记删除，不会立即去清理数据文件中的数据，而是写入一个删除标记到新文件中，客户端再次查询数据时只是请求不到数据，返回为空。
• 数据真正删除时是发生在major compaction时候，在此时会根据删除标记清理数据。
• 合并操作具体如下图所示：
• 参考链接：https://blog.csdn.net/godlovedaniel/article/details/104533109
• 
•    KEEP_DELETED_CELLS 的作用就是在major compaction发生的时候，决定要不要清理旧数据，当设置为true时，此时不会被物理删除。
•    这里需要注意一点，即便 KEEP_DELETED_CELLS 设置为True，数据仍然会因为过期而被清理（HBsae表中的TTL属性）。既然过期了，误删不误删也无所谓了。

2 实 验

（1）数据准备。有如下所示的一张表

（2）删掉1002的数据 。操作如下：

（3）查看数据。可以看到数据已经被删除，具体如下图所示：

（4）快速恢复误删的数据

 步骤3对数据进行了误删，为了挽救刚才的误删的数据，可以立即执行如下语句。

alter 'student', { NAME => 'infor', KEEP_DELETED_CELLS => TRUE }

 具体执行情况如下图所示：

hbase(main):018:0> alter 'student', { NAME => 'infor', KEEP_DELETED_CELLS => TRUE }
Updating all regions with the new schema...
0/1 regions updated.
1/1 regions updated.
Done.
0 row(s) in 3.1950 seconds

注意：如果此时该表中有多个列簇，有几个列簇就需要对每个列簇进行  KEEP_DELETED_CELLS => TRUE的操作 。如

alter 'student', { NAME => 'infor', KEEP_DELETED_CELLS => TRUE },{ NAME => 'info', KEEP_DELETED_CELLS => TRUE }

（5） 再次查询数据。

  利用raw操作，查询数据，不仅能看到被删除数据，还能看到删除标记。具体如下图所示：

这样，被删除的数据在基于时间的历史数据查询中依然可见(当然要保证delete mark的时间戳不在历史查询的时间范围内)。在上述的例子中，表中添加KEEP_DELETED_CELLS => TRUE这个属性后，查询[0,T+1)时间段的数据如果返回C，那么查询[0,T+X+1)时间段的数据将不会返回C，因为在该时间点，C也已经被删除了。

   如上述案例中指定时间查询范围为[0,1586168917520],则查询结果如下：

hbase(main):037:0> scan 'student',{TIMERANGE => [0,1586168917520]}
ROW                          COLUMN+CELL                                                                      
 1001                        column=infor:age, timestamp=1583069359770, value=18                              
 1001                        column=infor:name, timestamp=1583069932711, value=xiaoyanjing                    
 1001                        column=infor:sex, timestamp=1583069340807, value=male                            
 1002                        column=infor:age, timestamp=1583069391977, value=18                              
 1002                        column=infor:name, timestamp=1583069369971, value=guozi                          
 1002                        column=infor:sex, timestamp=1583069383057, value=male                            
2 row(s) in 0.0190 seconds

 当指定时间范围为 [0,1586168925295]时查询结果如下：

hbase(main):036:0> scan 'student',{TIMERANGE => [0,1586168925295]}
ROW                          COLUMN+CELL                                                                      
 1001                        column=infor:age, timestamp=1583069359770, value=18                              
 1001                        column=infor:name, timestamp=1583069932711, value=xiaoyanjing                    
 1001                        column=infor:sex, timestamp=1583069340807, value=male                            
 1002                        column=infor:name, timestamp=1583069369971, value=guozi                          
 1002                        column=infor:sex, timestamp=1583069383057, value=male      

 注意点：

• 需要通过TIMERANGE形式查看数据。使用TIMERANGE查看数据需要设置时间范围在标记删除时间之前的范围，否则无法查看到数据。
• 通过相关的数据恢复工具将数据恢复完后记得关闭KEEP_DELETED_CELLS，这样节省空间，提高查询效率。

 3 小 结

本文分析了数据误删后第一时间抢救的策略。具体可以通过设置表的属性KEEP_DELETED_CELLS 为TRUE进行快速抢救，避免HBase物理上的删除。