HBase API的删除数据操作的分析

　　使用HBase API删除数据的时候需要注意的地方有很多，需要分成几种情况进行分别的讨论，进行删除操作之前，首先需要构建删除对象，即org.apache.hadoop.hbase.client包下的Delete，然后根据实际情况进行具体的操作，下面一一介绍：

　　1、只传rowKey

　　rowKey这个参数可以在构建Delete对象的时候，作为构造方法的参数传进去。这种情况相当于HBase Shell操作下的deleteall命令，会将指定rowKey下的所有列族以及所有列的所有版本数据都删除，最终做的标记类型也是DeleteFamily。示例如下，我们客户端，只传rowKey值1004，调用API执行删除操作。

　　删除之前：

　　删除之后：

　　会发现，rowKey=1004的所有列族的数据都被删除了，其中删除所做的标记类型为DeleteFamily

API的代码如下：

public static void deleteData(String tableName,String rowKey,String cf,String cn) throws IOException {

        //1.获取表对象
        Table table = connection.getTable(TableName.valueOf(tableName));

        //2.构建删除对象
        Delete delete = new Delete(Bytes.toBytes(rowKey));

        //3.执行删除操作
        table.delete(delete);

        //4.关闭连接
        table.close();
    }

　　2、传入rowKey和Column Family

　　传入rowKey和列族，则会将指定的rowKey和列族下的所有版本的数据都给删除掉，案例实操：

　　删除之前，rowKey=1005的对应的数据有两个列族info1和info2，同时info1下含有两个列sex和addr，sex列下含有两个版本的数据：

 

 

　　 调用API进行删除，删除操作执行之后：

 　　可以判断，传入rowKey和列族之后，会删除指定的rowKey和列族下对应的所有列，以及列的所有版本的数据，同时删除标记是DeleteFamily。对应的代码如下：

public static void deleteData(String tableName,String rowKey,String cf,String cn) throws IOException {

        //1.获取表对象
        Table table = connection.getTable(TableName.valueOf(tableName));

        //2.构建删除对象
        Delete delete = new Delete(Bytes.toBytes(rowKey));

        //2.2删除指定的列族
        delete.addFamily(Bytes.toBytes(cf));

        //3.执行删除操作
        table.delete(delete);

        //4.关闭连接
        table.close();
    }

　　3、传入rowKey、列族以及列名

　　在此种情况下，向Delete对象添加列名的方法有两种：addColumn()和addColumns()。

　　（1）addColumns()

  /**
   * Delete all versions of the specified column.
   * @param family family name
   * @param qualifier column qualifier
   * @return this for invocation chaining
   */
  public Delete addColumns(final byte [] family, final byte [] qualifier) {
    addColumns(family, qualifier, this.ts);
    return this;
  }

　　观察源码的注释可以知道，该方法的作用是删除指定列的所有版本的数据，同时它还有一个重载的方法，多了一个参数，这个参数是时间戳参数，作用是删除所有小于等于指定列的指定时间戳的所有版本的数据

  /**
   * Delete all versions of the specified column with a timestamp less than
   * or equal to the specified timestamp.
   * @param family family name
   * @param qualifier column qualifier
   * @param timestamp maximum version timestamp
   * @return this for invocation chaining
   */
  public Delete addColumns(final byte [] family, final byte [] qualifier, final long timestamp) {
    if (timestamp < 0) {
      throw new IllegalArgumentException("Timestamp cannot be negative. ts=" + timestamp);
    }
    List list = familyMap.get(family);
    if (list == null) {
      list = new ArrayList();
    }
    list.add(new KeyValue(this.row, family, qualifier, timestamp,
        KeyValue.Type.DeleteColumn));
    familyMap.put(family, list);
    return this;
  }

实操一下：

　　删除之前，对于rowKey=1010这一行数据，其info2列族下，phone对应的列，含有两个版本的数据：

　　

 　　执行删除操作：

 

 　　可以看到，所有版本的数据都被删除了。这是没有指定时间戳的情况，下面来看一下指定时间戳的情况，我们重新向1010这一行put两个不同版本的数据：

 　　其中，时间戳最大的那个版本的数据的时间戳的值为1596987728940，较小的值为1596987723619。我们插入列的时候，传入一个介于以上两个版本数据的时间戳值之间的时间戳1596987728940。然后执行删除操作，结果如下：

 　　发现时间戳较大的那个数据还存在，但是小于传入的时间戳值的那个数据被删除了。

 　　该方法删除数据的时候，标记的删除类型也是DeleteFamily。代码如下：

    public static void deleteData(String tableName,String rowKey,String cf,String cn) throws IOException {

        //1.获取表对象
        Table table = connection.getTable(TableName.valueOf(tableName));

        //2.构建删除对象
        Delete delete = new Delete(Bytes.toBytes(rowKey));
         
 　　　　delete.addColumns(Bytes.toBytes(cf),Bytes.toBytes(cn),1596987728939l);

        //3.执行删除操作
        table.delete(delete);

        //4.关闭连接
        table.close();
    }

　　（2）addColumn()

　　该方法添加指定的列，然后执行删除操作，是存在较大的争议的，它的作用是删除指定列的最新版本的那一条数据而非全部，同时也可以传入要删除的指定的时间戳。先来看一下它的源码：

  /**
   * Delete the latest version of the specified column.
   * This is an expensive call in that on the server-side, it first does a
   * get to find the latest versions timestamp.  Then it adds a delete using
   * the fetched cells timestamp.
   * @param family family name
   * @param qualifier column qualifier
   * @return this for invocation chaining
   */
  public Delete addColumn(final byte [] family, final byte [] qualifier) {
    this.deleteColumn(family, qualifier, this.ts);
    return this;
  }

　　带有时间戳参数的源码：

  /**
   * Delete the specified version of the specified column.
   * @param family family name
   * @param qualifier column qualifier
   * @param timestamp version timestamp
   * @return this for invocation chaining
   */
  public Delete addColumn(byte [] family, byte [] qualifier, long timestamp) {
    if (timestamp < 0) {
      throw new IllegalArgumentException("Timestamp cannot be negative. ts=" + timestamp);
    }
    List list = familyMap.get(family);
    if(list == null) {
      list = new ArrayList();
    }
    KeyValue kv = new KeyValue(this.row, family, qualifier, timestamp, KeyValue.Type.Delete);
    list.add(kv);
    familyMap.put(family, list);
    return this;
  }

　　先来看一下注释说的，第一个方法的功能就是删除指定列的最新版本的数据，其中还说这个方法在服务器端是一个比较昂贵的调用，它会先执行get方法获取最新版本的时间戳，然后将delete标记添加到这个最新的时间戳上。这就相当于标记了指定列最新版本的数据是被删除的了。第二个方法会传入一个时间戳参数，然后作用是删除指定列的指定版本的数据。那我们来案例实操一下：

　　我们先put两条数据到表中，其中rowKey=1011，列族为info1，列名为name，列的版本数为1：

 

 　　执行完成之后，结果如下：

 　　会发现，时间戳最大的那个数据被删除了，但是执行scan操作，原先时间戳较小的那个数据显示出来了，其中删除标记是Delete，删除标记对应的时间戳正是原先最大的那个时间戳。这是在两个put的数据都在内存中的时候所出现的情况，那我们再进一步进行一种实验，调用API执行删除操作放在put数据并进行刷写到磁盘之后，我们再次put两条数据，然后执行flush操作：

 　　调用API执行删除操作，然后使用scan命令查看数据：

 　　 删除操作的api代码：

    public static void deleteData(String tableName,String rowKey,String cf,String cn) throws IOException {

        //1.获取表对象
        Table table = connection.getTable(TableName.valueOf(tableName));

        //2.构建删除对象
        Delete delete = new Delete(Bytes.toBytes(rowKey));
        //2.1设置删除的列
        delete.addColumn(Bytes.toBytes(cf),Bytes.toBytes(cn));


        //3.执行删除操作
        table.delete(delete);

        //4.关闭连接
        table.close();
    }

　　查询结果：

　　发现1012对应的数据没了，也就是说在设计表的时候，某个列的最大版本数，被设置为了1，然后当我们多次对这个列put数据的时候，如果这些数据都还在内存中，那我们使用addColumn方法指定删除的列族和列名的时候，会删除时间戳最大的那一条数据，然后第二大的时间戳对应的那一条数据对显示出来。如果在put多条数据和调用API删除数据的过程之间发生了刷写数据到磁盘的过程（自动或者手动），那么就不会产生上面的现象。

　　当然，以上现象都是针对设计表的时候，最大版本数为1的情况，如果设计表的时候，设置了列的最大版本数大于1，那么put多条数据之后，然后刷写到磁盘，使用addColumn方法指定列和列族删除数据，最后进行scan扫描的时候还是会有这个列的其他版本的数据显示出来。

　　第二种重载的方法，传入指定的时间戳，这个方法也只是将指定的时间戳标记为delete，如果指定列没有对应时间戳的数据，则不会删除任何数据，除非插入的数据的时间戳和指定的时间戳相同，否则是不会删除数据。

　　对于addColumn方法应该谨慎使用为好，因为会造成数据不一致的情况发生，比如我们对某个列put了多条数据，在刷写之前，调用API进行了删除操作，然后执行了刷写，这是磁盘中保存的这一列的数据是时间戳较小的那个版本的数据。如果，put了多条数据，刷写操作在删除操作之前，那么最终磁盘中该列是没有数据的（针对列的最大版本数为1的情况），这就造成了数据不一致的情况。

 

　　一定要注意，这种方法，标记的时间戳不是专门为这次删除操作生成的时间戳，而是先去获取指定列的所有版本中最新版本的时间戳，然后将这个时间戳标记为delete，这是本质。