1、原理
学过HBase的应该都知道,在HBase当中,当发出Delete命令时,实际上数据并没有真正被删除,而是被打上了删
除标记,使得这个被删除的数据对外不可见,即无法通过scan以及get方法获取数据,不过没有被系统自动Flush
前仍可用以下方式来展示数据
scan 'table_name',{RAW=>TRUE,VERSIONS=>10}
等到系统Flush数据,则删除掉内存当中标记为DeleteColumn的数据,将时间戳大于DeleteColumn标记的数据
刷到硬盘当中。而major_compact则将多个小文件合成一个大文件,并将过期的数据真正删除。DeleteColumn也
是在这个时候删除的。
1.1为什么DeleteColumn是在major_compact阶段删除而不是在Flush删除?
如果事先已经flush了3个小文件在硬盘当中,此时put了一条数据,并且delete掉当前put的数据以及之前flush
掉的三个小文件数据,此时尚未flush到硬盘。可以知道,如果flush阶段就将DeleteColumn标记删除,那么在
flush以及major_compact后,刚刚put的数据会被真正删除,并没有真正删除之前的三个小文件的数据。
因而在major_compact合并阶段DeleteColumn标记删除更为合理,这样在小文件合并成大文件时候,之前的三
个小文件的数据与DeleteColumn标记比较,就能够删除掉真正要删除的数据了。
2、总结
这些都是个人在学习HBase中的见解,如果有不同意见的欢迎评论,也欢迎大佬们指正。