HBase删除数据

HBase不会定位到需要删除或更新的记录进行操作。由于HBase底层依赖HDFS，对于HBase删除操作来说，HBase无法在查询到之前的数据并进行修改，只能顺序读写，追加记录。为了更新或删除数据，HBase会插入一条一模一样的新的数据，但是key type会标记成Delete状态，以标记该记录被删除了。在读取的时候如果取到了是Delete，而且时间是最新的，那么这条记录肯定是被删掉了。

HFile的存储格式如图所示，每一个单元格或者KeyValue在HFile中的格式如下：
row length + row key + family length + column family + column qualifier + timestamp + key type

同样，进行更新操作的时候，也会重新插入一条新的数据来代替在原来数据上修改。新的数据的timestamp会大于老的数据，这样读取的时候，判断时间戳就可以取出最新的数据了。

HBase修改数据的流程：
1、时间戳
  HBase 中通过 Row 和 Columns 确定的一个存储单元称为 Cell。每个 Cell 都保存着同一份数据的多个版本。 版本通过时间戳来索引，时间戳的类型是 64 位整型。时间戳可以由HBase（在数据写入时自动）赋值，此时时间戳是精确到毫秒的当前系统时间。

2、修改数据
  当对数据进行修改，修改的数据会将当前的数据覆盖，由hbase在写入数据时自动赋予修改数据后的时间戳，每个 Cell 中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。保证每次获取的数据时最新修改后的数据。

  由于HBase这样的删除和更新机制，如果后面没有一个对于过期数据处理的机制，会导致过期数据越来越大，因此后面的compact操作中的major compact就顺便将过期的数据删除掉了。对于标记为删除的数据，直接删除。对于不同时间戳的多条数据，根据其保存的最大版本数据，删除过期的数据。

HBase每个字段数据会存在多个版本，什么时候会真正删除掉旧版本数据？

flush，从MemStore刷到HDFS的时候，只会把内存中同一cell最新版本的数据刷到HDFS中
compact(major)，进行major合并，把所有Hfile文件都合并为一个，多个Hfile文件中相同cell只会把最新的一个版本的数据放到新的Hfile中
Delete类的接口有两个方法：deleteColumns和deleteColumn，它们的区别：

deleteColumns:Delete all versions of the specified column with a timestamp less than or equal to the specified timestamp.
deleteColumn:Delete the latest version of the specified column.

实现上，deleteColumns只是传给server一个时间标签，表示这行数据的最后删除版本，因此仅相当于一个普通的put。deleteColumn必须定位到这行version，因此需要先get到这行数据，再做处理。

  如果对某行数据的一个version进行了删除，在compact之前即使再将同一个version的数据写进去，也是读不到的。原因是HBase定位数据是依靠rowkey/timestamp/family/qulifier。假如这四者都一样，那么多次put/delete是无法知道先后顺序的。因此取哪个值取决于KeyValue.Type的值，Delete是在Put之前。所以扫描到Delete就不会再去读Put了。要想恢复对这个timestamp标签的读写，必须做一次compact，最好是major compact，确保这一行数据己经从物理上删除了，此时就可以再读取值了。